推荐系统冷启动问题解决方法研究综述
Survey on Solving Cold Start Problem in Recommendation Systems作者机构:西华大学电气与电子信息学院成都610039
出 版 物:《计算机科学与探索》 (Journal of Frontiers of Computer Science and Technology)
年 卷 期:2024年第18卷第5期
页 面:1197-1210页
核心收录:
学科分类:081203[工学-计算机应用技术] 08[工学] 0835[工学-软件工程] 0812[工学-计算机科学与技术(可授工学、理学学位)]
基 金:四川省科技成果转移转化项目(2020ZHCG0099) 教育部春晖计划项目(Z2018087)
摘 要:推荐系统在处理数据超载、提供个性化咨询服务、帮助客户投资决策等领域提供了重要功能。但推荐系统中存在的冷启动问题一直亟需解决和优化。基于此,对解决冷启动问题的传统方法和前沿方法进行分类,将近几年的研究进展和优秀的方法进行阐述。首先,归纳了冷启动问题的传统三大解决方案:基于内容过滤的推荐、基于协同过滤的推荐和混合推荐。其次,归纳了目前较为前沿的解决冷启动的推荐算法,并依据其解决冷启动问题的策略点将其分类为数据驱动的策略和方法驱动的策略,再将方法驱动的策略分为基于元学习的算法、基于上下文信息和会话策略的算法、基于随机游走的算法、基于异质图信息和属性图的算法和基于对抗性机制的算法,其中根据处理冷启动问题的种类将算法分为解决新用户和新项目两类。再根据推荐领域的特殊性,将多媒体信息领域推荐和在线电商平台领域推荐的冷启动问题进行阐述。最后,总结并提出了未来解决冷启动问题可能的研究方向。