电子学报 ›› 2016, Vol. 44 ›› Issue (9): 2262-2275.DOI: 10.3969/j.issn.0372-2112.2016.09.035

• 综述评论 • 上一篇    下一篇

语义推荐算法研究综述

黄震华1, 张佳雯1, 张波2, 喻剑1, 向阳1, 黄德双1   

  1. 1. 同济大学电子与信息工程学院, 上海 201804;
    2. 上海师范大学信息与机电工程学院, 上海 200234
  • 收稿日期:2014-03-28 修回日期:2016-03-21 出版日期:2016-09-25 发布日期:2016-09-25
  • 作者简介:黄震华 男,1980年9月出生,福建仙游人.博士、副教授.研究方向为信息服务、数据挖掘和大数据分析等.E-mail:huangzhenhua@tongji.edu.cn;张佳雯 女,1991年11月出生,上海金山人.现为硕士研究生在读,研究方向为推荐算法、数据挖掘等.E-mail:smilezjw@qq.com;张波 男,1978年11月出生,江苏常州人.博士、副教授.研究方向为信息论、语义计算和模式识别等.;喻剑 男,1974年6月出生,浙江义乌人.研究方向为数据挖掘、信息服务等.;向阳 男,1962年12月出生,江苏徐州人.教授、博士生导师.研究方向为数据挖掘、语义计算、大数据分析等.;黄德双 男,1964年1月出生,安徽合肥人.教授、博士生导师.研究方向为模式识别、数据挖掘、智能计算等.
  • 基金资助:

    国家自然科学基金(No.61272268);上海市青年科技启明星计划(No.15QA1403900);教育部新世纪优秀人才支持计划(No.NCET-12-0413);国家973课题(No.2014CB340404);霍英东基金应用类课题(No.142002);同济大学中央高校基本科研业务费专项资金

Survey of Semantics-Based Recommendation Algorithms

HUANG Zhen-hua1, ZHANG Jia-wen1, ZHANG Bo2, YU Jian1, XIANG Yang1, HUANG De-shuang1   

  1. 1. College of Electronics and Information Engineering, Tongji University, Shanghai 201804, China;
    2. College of Information, Mechanical and Electrical Engineering, Shanghai Normal University, Shanghai 200234, China
  • Received:2014-03-28 Revised:2016-03-21 Online:2016-09-25 Published:2016-09-25

摘要:

近年来,语义推荐技术已成为信息服务领域的一个研究热点和重点.与传统的推荐算法相比,语义推荐算法在实时性、鲁棒性和推荐质量等方面具有显著的优势.针对语义推荐算法的国内外研究现状、进展,从四个角度进行归纳和总结,即基于语义的内容推荐算法、基于语义的协同过滤推荐算法、基于语义的混合推荐算法以及基于语义的社会化推荐算法,旨在尽可能全面地对语义推荐算法进行细致的介绍与分析,为相关研究人员提供有价值的学术参考.最后,立足于研究现状的分析与把握,对当前语义推荐算法所面临的挑战与发展趋势进行了展望.

关键词: 语义, 推荐算法, 内容推荐, 协同过滤推荐, 混合推荐, 社会化推荐

Abstract:

Semantics-based recommendation technology has recently received a lot of attention in information services community.Compared with traditional recommendation algorithms,semantics-based recommendation algorithms have the marked advantages in the aspects of real-timing,robustness and recommendation quality.From the status and progress of domestic and foreign research,we summarize the following four aspects:semantics-based content recommendation algorithms,semantics-based collaborative filtering recommendation algorithms,semantics-based hybrid recommendation algorithms,and semantics-based social recommendation algorithms.And this paper is expected to provide a worthwhile reference for relevant researchers by detailedly analyzing semantics-based recommendation algorithms.Finally,we show readers the challenges and future research directions in this field.

Key words: semantics, recommendation algorithm, content recommendation, collaborative filtering recommendation, hybrid recommendation, social recommendation

中图分类号: