秦灿　李旭东

摘要：近年来，商品的种类和数量迅速增长，使消费者难以找到感兴趣的产品。各大电商平台开始利用推荐技术为用户提供更好的服务，其中使用最多的是协同过滤推荐算法。主要概括了协同过滤推荐算法的核心思想，归纳了它的相似度公式和相应的评价法则，并总结了该算法目前存在的一些问题，以及研究人员针对这些问题给出的解决方案，最后提出了推荐算法的未来的改进方向。

关键词：电子商务;推荐技术;协同过滤;精准推荐;机器学习

中图分类号： TP301      文献标识码： A

文章编号：1009-3044（2019）13-0288-04

Abstract： In recent years， the variety and quantity of commodities have increased rapidly， which makes it difficult for consumers to find products of interest. Major e-commerce platforms begin to use recommendation technology to provide better services for users， among which collaborative filtering recommendation algorithm is the most widely used. This paper mainly summarizes the core idea of collaborative filtering recommendation algorithm， summarizes its similarity formula and corresponding evaluation rules， and summarizes the existing problems of the algorithm， as well as the solutions given by researchers to these problems. Finally， the future improvement direction of the recommendation algorithm is proposed.

Key words： E-commerce; recommendation technology; collaborative filtering; precise recommendation; Machine learning

1 背景

近年来，随着互联网技术的高速发展，互联网成为信息共享和处理的平台，不同行业的用户们开始利用互联网处理信息，然而面对互联网上日见增多的资源，用户很难在各种资源中获得对他们有价值的内容。网络资源可以包含电影、新闻，也可以是购物网站中的商品信息等。面对日益增多的网络资源，学者们提出了搜索引擎技术[1]，它能搜索和篩选所需要的信息，用户必须手动输入关键字才能出现自己需要的信息，当用户不明确当前需求时，该技术也就不能帮助用户获取有用的信息了。后来出现了推荐系统，它依靠用户的行为记录，并结合个人注册信息为其提供较精准的信息推荐服务。一般而言，推荐算法可分为：基于内容的推荐、基于关联规则的推荐、协同过滤推荐和混合推荐等。而当前使用最为广泛的便是协同过滤推荐算法。……