基于排序学习的推荐算法研究综述
作者:
作者单位:

作者简介:

通讯作者:

中图分类号:

基金项目:

国家自然科学基金(61272268,61103069);国家重点基础研究发展计划(973)(2014CB340404);教育部新世纪优秀人才支持计划(NCET-12-0413);霍英东教育基金会高等院校青年教师基金(142002);上海市青年科技启明星计划(15QA1403900)


Survey on Learning-to-Rank Based Recommendation Algorithms
Author:
Affiliation:

Fund Project:

National Natural Science Foundation of China (61272268, 61103069); National Grand Fundamental Research Program of China (973) (2014CB340404); Program for New Century Excellent Talents in University (NCET-12-0413); Fok Ying Tung Education Foundation (142002); Shanghai Rising-Star Program (15QA1403900)

  • 摘要
  • |
  • 图/表
  • |
  • 访问统计
  • |
  • 参考文献
  • |
  • 相似文献
  • |
  • 引证文献
  • |
  • 资源附件
  • |
  • 文章评论
    摘要:

    排序学习技术尝试用机器学习的方法解决排序问题,已被深入研究并广泛应用于不同的领域,如信息检索、文本挖掘、个性化推荐、生物医学等.将排序学习融入推荐算法中,研究如何整合大量用户和物品的特征,构建更加贴合用户偏好需求的用户模型,以提高推荐算法的性能和用户满意度,成为基于排序学习推荐算法的主要任务.对近些年基于排序学习的推荐算法研究进展进行综述,并对其问题定义、关键技术、效用评价、应用进展等进行概括、比较和分析.最后,对基于排序学习的推荐算法的未来发展趋势进行探讨和展望.

    Abstract:

    Learning to rank(L2R) techniques try to solve sorting problems using machine learning methods, and have been well studied and widely used in various fields such as information retrieval, text mining, personalized recommendation, and biomedicine.The main task of L2R based recommendation algorithms is integrating L2R techniques into recommendation algorithms, and studying how to organize a large number of users and features of items, build more suitable user models according to user preferences requirements, and improve the performance and user satisfaction of recommendation algorithms.This paper surveys L2R based recommendation algorithms in recent years, summarizes the problem definition, compares key technologies and analyzes evaluation metrics and their applications.In addition, the paper discusses the future development trend of L2R based recommendation algorithms.

    参考文献
    相似文献
    引证文献
引用本文

黄震华,张佳雯,田春岐,孙圣力,向阳.基于排序学习的推荐算法研究综述.软件学报,2016,27(3):691-713

复制
分享
文章指标
  • 点击次数:
  • 下载次数:
  • HTML阅读次数:
  • 引用次数:
历史
  • 收稿日期:2015-02-12
  • 最后修改日期:2015-05-14
  • 录用日期:2015-12-02
  • 在线发布日期: 2015-12-30
  • 出版日期:
文章二维码
您是第位访问者
版权所有:中国科学院软件研究所 京ICP备05046678号-3
地址:北京市海淀区中关村南四街4号,邮政编码:100190
电话:010-62562563 传真:010-62562533 Email:jos@iscas.ac.cn
技术支持:北京勤云科技发展有限公司

京公网安备 11040202500063号