【摘要】：随着互联网、移动技术的发展，推荐系统已经渗透到人们的衣食住行中。如何对未来做出正确的决策，为用户提供便捷访问的高质量推荐，正是推荐系统研究领域的主要目标。推荐系统目的是从大量数据中找到用户可能感兴趣的信息，最早可追溯到认知科学、近似理论、信息检索、预测理论、管理科学和市场中的客户选择模型等［1］。鉴于推荐系统的理论和实际应用价值，本章系统介绍推荐系统的概念、相关算法和研究进展等［2］。
随着互联网、移动技术的发展，推荐系统已经渗透到人们的衣食住行中。将哪件商品推荐给消费者被购买的可能性最大？该到附近哪家餐馆吃饭最合口味？该买哪个地段的房子是最佳的投资？当天走哪条路线不会堵车？类似的例子还有很多。如何对未来做出正确的决策，为用户提供便捷访问的高质量推荐，正是推荐系统研究领域的主要目标。近年来，推荐系统被广泛应用到很多领域，例如：电子商务、音频视频网站、音乐电台、社交网络、个性化阅读、个性化广告、基于位置的服务和移动推荐等，并催生很多新的推荐技术，涌现出一些著名的推荐系统，如：亚马逊（Amazon）的个性化产品推荐、Netflix的视频推荐、Pandora的音乐推荐、Facebook的好友推荐和Google Reader的个性化阅读等。推荐系统广泛应用在电子商务、大规模零售业和各种知识管理应用中，不仅给运营商带来了利益，也给用户带来了诸多便利。
推荐系统目的是从大量数据中找到用户可能感兴趣的信息，最早可追溯到认知科学、近似理论、信息检索、预测理论、管理科学和市场中的客户选择模型等［1］。鉴于推荐系统的理论和实际应用价值，本章系统介绍推荐系统的概念、相关算法和研究进展等［2］。(www.xing528.com)
免责声明：以上内容源自网络，版权归原作者所有，如有侵犯您的原创版权请告知，我们将尽快删除相关内容。
