基于流行的推荐研究综述

作     者：雷钦岚 田萱 LEI Qinlan;TIAN Xuan

作者机构：北京林业大学信息学院北京100083 国家林业草原林业智能信息处理工程技术研究中心北京100083 

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：1109-1134页

核心收录：

学科分类：08[工学] 0835[工学-软件工程] 081202[工学-计算机软件与理论] 0812[工学-计算机科学与技术（可授工学、理学学位）] 

基　　金：国家重点研发计划(2018YFC1603302 2018YFC1603305) 

主　　题：流行度 流行偏差 混合式流行 基于流行的推荐 

摘      要：目前,基于流行的推荐系统成为研究热点。流行度使得推荐效果得到显著提升,而流行偏差带来的马太效应也引发了研究者的广泛关注,同时一些研究者考虑将二者结合作为混合式流行来实现推荐。采用流行这一概念,对流行度、流行偏差和混合式流行进行统一表示。首先介绍流行在推荐领域的应用背景,然后根据不同视角,分别对流行度增强推荐方法、去流行偏差推荐方法和混合式流行推荐方法进行综述。在每类方法中,根据建模的具体子任务或具体策略进行进一步划分,对代表性方法进行分析介绍,评价其优点和局限性等,并详细总结每类方法的方法机制和适用场景,从多方面对不同方法间的联系与区别进行讨论。还介绍了该领域中常用数据集、评价指标和基线算法,并对其中代表性方法进行性能对比分析。最后针对基于流行的推荐研究发展趋势提出一些看法,从多角度对该技术未来的发展难点与热点进行总结与展望。