陈恩红：领域知识驱动的个性化推荐方法

陈恩红 领域知识驱动的个性化推荐方法2016年12月6日大数据时代背景及现状大数据与大数据时代推荐系统蕴含巨大价值推荐系统成为连接数据特征与用户需求的桥梁 普通用户难以直接从大数据中获取所需信息 推荐系统将大数据从单纯的数据层面转化到用户可以理解的信息层面，满足客户的需求 推荐系统为企业带来巨大价值 2016年“双十一”淘宝交易额破千万 今日头条app人均日使用时间超40分钟 UC浏览器个性化推荐月活跃用户超过3.3亿 传统推荐系统常用方法 基于内容的推荐算法，根据用户偏好记录来给用户推荐内容相似的新项目。 协同过滤推荐算法，根据用户最近邻的偏好记录给用户作出推荐。 混合推荐算法，结合基于内容的特性和协同过滤的特性进行推荐。 传统推荐系统面对的困难泛化的数据分析结果难以精准描述用户在特定应用场景中的信息需求。 大数据的应用模式不断拓展 专业性不断增强 很多应用新问题无法使用泛化模型进行统一建模 数据的多源异构性明显 数据量大而复杂、来源分散 需要依托专业知识进行有效整合 推荐系统将扩展至更多领域大数据时代推荐系统向更多领域扩展 传统行业开始将业务转移至“线上” 移动软件已经融入人们的日