刘总真, 张潇丹*, 郭 涛, 葛敬国, 周 熙, 王宇航,陈家玓 , 吕红蕾, 林俊宇

1 中国科学院大学网络空间安全学院 北京 中国100049

2 中国科学院信息工程研究所 北京 中国100093

1 引言

信息过载的概念于1964 年首次被提出[1], 但直至21 世纪进入大数据时代后, 随着AI、5G、AR/VR等新技术快速发展, 电子商务、社交网络、短视频等新应用层出不穷, 互联网中每天产生海量的新闻、商品、视频、音乐等信息, 信息过载问题日益严重。据中国互联网络信息中心(CNNIC)发布的《第47 次中国互联网络发展状况统计报告》[2]统计, 截至2020年12 月, 我国网民规模达9.89 亿, 其中网络新闻用户规模达7.43 亿, 网络购物用户规模达7.82 亿, 网络视频用户规模达9.27 亿。数据规模呈现爆发式增长, 根据国际数据集团(IDC)2018 年在文献[3]中预测,2025 年全球数据总量预计增至175ZB, 将是2018 年的5 倍左右。如何从海量信息中获取价值内容是互联网信息服务平台和用户关心, 且迫切需要解决的问题。因此, 作为信息过滤的有效工具, 推荐算法应运而生。推荐算法旨在从过载的信息中, 通过信息过滤筛选技术, 为用户推荐其感兴趣的高质量内容。在大数据、应用场景和计算力的推动下, 作为人工智能分支之一, 推荐算法在电子商务、新闻等领域得到了广泛的应用, 不仅提高了信息分发效率, 还一定程度上缓解了信息过载问题; 通过解读用户个体兴趣,进行个性化智能推荐的同时, 给互联网信息服务提供商带来极大的商业价值。

互联网推荐算法和推荐系统的发展历程, 可分为萌芽期、发展期和管制期3 个阶段。……