石 朋,姚文明,王 祥

(1.中国电子科技集团公司第十五研究所,北京 100083; 2.中国农业银行研发中心,北京 100071)

0 引 言

面对大数据时代的到来，信息的提供者和消费者都遇到了很大的挑战。对于信息提供者来说，由于不知道消费者的具体需求，可能会给消费者提供很多其实并不需要的信息，不但没有给消费者带来便利和帮助，反而变成了消费者眼中的垃圾信息。对于消费者来说，我们处在一个信息爆炸的时代，一方面，大量的信息使我们对于某一类型信息有了更多的选择；另一方面，大量的信息也使我们在寻找意向信息的时候要花费大量的时间和精力，面对日益增长的PB级甚至TB级的数据，就像是大海捞针，力不从心。面对这种情况，信息检索技术的出现大大缓解了“信息过载”的问题，人们通过关键词和主题可以搜索到相关内容的信息，但是由于缺乏用户针对的因素，搜索引擎把检索到的所有信息全部提交给用户，由于数据量巨大，对于用户来说依旧要耗费大量的时间去人工寻找，即又一次出现了“信息过载”的问题。在这种情况下，如果能够根据消费者的历史行为数据分析出用户特征、兴趣度等有价值的信息进行有针对的推荐，既能提高用户体验又能节约用户时间，这对于消费者来说是非常有价值的。于是，个性化推荐系统[1]应运而生。

当下应用范围最广的推荐算法是协同过滤算法[2]，它无须分析内部属性，仅依靠用户历史行为信息就可以完成推荐。……