殷 锋 ，曹 旭，漆翔宇

(西南民族大学 计算机科学与工程学院，四川 成都 610041)

目前，随着人们物质和精神生活的不断丰富，信息技术得到了迅猛发展，但与此同时也导致人们处于一个信息异常稠密的环境之中.信息的爆炸式增长主要源自两个方面.一方面，先进的存储方式和存储介质中学术科研成果不断落地到实际应用中，人们可以存储的数据总量正在以惊人的速度直线上升；另一方面，随着移动技术、大数据、互联网的诞生和普及，工作中产生的数据也呈飞跃式增长.二者既促进了信息的高速、多样、密集化传播，同时也使人们困扰于“信息过载”这一问题.在这种大背景下，信息存在过度冗余且种类繁杂、数量庞大，导致人们对所需信息的高效获取和利用变得异常艰难.也正因此，推荐系统应运而生，为用户在广袤的海量数据中精准有效地获取高质量信息.

推荐算法作为推荐系统的核心聚焦了研究人员的目光，取得了长足进展.文章就近年来推荐算法领域内尤其是基于聚类的推荐算法方向的高质量论文，探讨了推荐算法的主要分类、最新研究进展、聚类推荐算法步骤及不同处理方式并做出总结与展望.

1 推荐算法发展脉络

1992年，Goldberg[1]等人提出世界上第一个推荐系统Tapestry，目的是解决邮件超载的问题，该系统属于协同过滤算法.此后，推荐系统成为了一类备受瞩目的、具有实用性的学科而被广大的研究人员所青睐.

1.1 国内外发展历程……

登录APP查看全文