個性化推薦系統及其仿真研究綜述

龔映梅, 侯玉寒， 楊紅娟

(昆明理工大學 管理與經濟學院, 昆明 650093)

2019年8月30日，中國互聯網絡信息中心(CNNIC)在京發布第44次《中國互聯網絡發展狀況統計報告》。截至2019年6月，中國網民規模達8.54億，互聯網普及率為61.2%，較2018年底提升1.6個百分點。并且中國網絡購物用戶規模達6.39億，較2018年底增長2 871萬，占網民整體的74.8%。可見互聯網和大數據平臺的影響力巨大，正在使消費者從傳統線下消費轉到線上消費。在當前市場環境中，電子商務企業僅僅通過優化傳統營銷決策變量已經很難在競爭中取勝。信息技術的快速發展正推動著數據運算和存儲能力不斷提升，消費者需求也更加多元化。在此背景下，電子商務企業開始利用消費者行為數據來尋求提升利潤的新方法。因此，個性化推薦系統的應用和研究開始被人們發現和重視。個性化推薦系統能夠通過關鍵性技術和方法將信息進行過濾和篩選，根據用戶偏好預測并推薦有用信息，從而緩解由信息過載帶來的成本浪費及其他復雜問題。

近年來，中外學者對于個性化推薦系統的研究主要集中在技術和應用兩大方面。個性化推薦算法以及新模型構建是推薦技術的主要研究內容，例如對協同過濾推薦算法的改進，利用智能感知分析用戶行為從而進行個性化推薦，利用用戶畫像特性數據集構建新推薦算法，對POI算法的研究，基于各種聚類算法的研究等。在大數據時代，個性化推薦已被應用于很多行業，例如旅游業、音樂領域、電子商務行業、電影業、新聞業、農業等。……