付文博，尹立杰

(河北地质大学信息工程学院，河北 石家庄 050031)

0 引言

随着物联网和人工智能等技术的快速发展，人类的信息产业迅猛增长，网络信息超载（Information Over-load）问题也日益严重。信息产业产生的大量的信息已经无法被用户全部接受浏览，在这样的信息空间中客户寻找到有符合自己要求的信息是困难的。为了解决信息超载问题，推荐系统（Recommendation System，RS）可以将海量的信息筛快速地选成用户可接受的数量，以便用户迅速准确地找到自己想要的信息。

推荐系统[1]的概念被Resnick等人提出，推荐系统分析用户和项目的特征或者利用用户和项目间的交互数据等信息，在用户未提供检索内容时自动筛选出用户可能感兴趣的项目，这里的项目是被推荐的信息，例如音乐，商品，新闻等。个性化推荐系统时在产生推荐结果的过程中对用户的个性化需求加以考虑，产生出推荐结果更符合用户兴趣偏好[2]进而提升推荐系统的性能。Adomavicius等人提出了推荐算法的形式化定义[3]，如式（1）：

其中 U表示推荐系统中用户集合，I表示项目集合，向用户u推荐项目i的推荐程度评估函数r：U×I→R其中R是全序集合。推荐算法所做的即是对任一给定用户u∊U，找到项目i∊I使得推荐度r最大。

推荐系统解决了信息过载问题，为用户提供便利，给企业带来利益，受到了工业界和研究人员们的重视，因此在众多领域得到了广泛应用。经典的推荐算法主要有：基于内容的推荐、协同过滤推荐以及混合推荐方法。在经典推荐算法的基础上研究人员进行研究创新，研究成果层出不穷。……