工业环境中的推荐系统
摘要：工业环境中推荐系统的核心功能和先决条件的分析:我们确定了推荐系统的四个核心功能:帮助决策、帮助比较、帮助探索、帮助发现。这些功能的实现对算法推荐系统的选择有重要影响。 -最新技术综述，介绍了自动化推荐系统中使用的主要技术:详细介绍了两种最常用的算法方法，即K最近邻方法(KNN)和快速分解方法。综述还介绍了纯内容为基础的方法、混合技术以及用于评估推荐系统的经典性能指标。综述还概述了学术界和工业界的几个系统(如亚马逊、谷歌等)。 -对在本论文中开发的推荐系统的性能和影响进行分析:这个系统名为Reperio，是一个使用KNN方法的混合式推荐引擎。我们研究了KNN方法的性能，包括使用的相似性函数的影响。然后我们研究了KNN方法在冷启动情况下的关键使用案例中的性能。 -一种在工业环境中分析推荐系统性能的方法:该方法根据核心功能评估算法策略和推荐系统的附加值。
作者：Frank Meyer
论文ID：1203.4487
分类：Information Retrieval
分类简称：cs.IR
提交时间：2012-05-15