面向多源异构数据的个性化搜索和推荐算法综述

• Published in: 控制理论与应用 Vol. 41; no. 2; pp. 189 - 209
• Main Authors: 暴琳, 朱志宇, 孙晓燕, 徐标
• Format: Journal Article
• Language: Chinese
• Published: 江苏科技大学自动化学院,江苏镇江 212100%中国矿业大学信息与控制工程学院,江苏徐州 221116%汕头大学工学院,广东汕头 515063 01.03.2024
• Subjects: multi-source heterogeneous data; user interest model; deep learning; 多源异构数据; 深度学习; personalized search; 用户兴趣模型; 个性化搜索
• ISSN: 1000-8152
• DOI: 10.7641/CTA.2023.20100

高效精准的个性化搜索、推荐等服务可为人们生产生活带来极大便利,而随着互联网技术的迅猛发展,面向多源异构数据的个性化搜索和推荐任务逐渐变得日趋复杂,也是当前大数据分析及个性化服务领域的研究热点和难点.个性化搜索和推荐算法广泛收集多源异构数据,获取用户偏好信息,利用各类机器学习、深度学习等技术,构建用户兴趣偏好模型,预测用户偏好,推荐满足用户个性化需求和偏好的项目或内容,提升用户的使用体验和网站平台的商业利益.本文介绍面向多源异构数据的个性化搜索问题的数学描述,综述面向多源异构数据的个性化搜索和推荐算法的相关研究工作,包括:传统个性化搜索和推荐算法、融合多源异构数据的个性化搜索和推荐算法以及动态个性化搜索和推荐算法等相关研究现状,整理了算法常用数据集、性能评价指标及评估体系,进一步阐明了目前面向多源异构数据的个性化搜索和推荐方法的实际应用场景及今后研究的发展方向,并讨论了存在的不足及所面临的严峻挑战,期望为相关领域的研究人员提供有益帮助.