1、绪论
1.1 研究背景
当下是一个信息化高速发展的时代,信息的大数据时代为人们带来了丰富多
彩的数字化信息内容,多媒体更是在数字化时代的发展下不断的壮大。多媒体通
过网络的传递实现更加便捷、迅速、广泛的传递过程,实现很好的文化氛围,也
实现了丰富的内容构成。但是面对铺天盖地的信息,信息的过载问题也逐渐的凸
显出来。现在人们在信息的消费、信息的生产过程中,面对海量的资源如何进行
筛选和加以利用,成了困扰人们的一大难题。面对消费群体,消费者们无法从中
获取有效的信息,而面对生产者,生产者希望自己的信息被广泛推广,被广泛阅
读,但是由于整个网络的信息体量大,而是生产者的创作容易被石沉大海。针对
过载问题日益的严重,搜索引擎的出现大大的缓解了人们寻找所需信息的压力,
另外推荐系统的出现也加强了人们对于海量信息搜索的困扰。其中,搜索引擎属
于一种相对被动的信息检索,需要用户输入相应内容,根据内容提示来进行相关
信息的检索。而推荐系统则是通过对用户的历史行为、大数据逻辑进行分析,从
而推荐给用户其可能感兴趣的信息。
目前推荐系统在图书阅读、音乐播放、视频播放等领域有着深入的应用,我
国的抖音、头条等都利用了推荐功能来根据用户浏览的历史、页面停留的时长等
来进行相应内容分析,从而向用户推荐其感兴趣的相关信息。国外的 Netflix 以
及 YouTube 也有着相应的推荐功能。在音乐方面,现在的 QQ 音乐、网易云音
乐等也都有着类似的推荐功能,通过用户行为来推荐其偏好的类型、风格的音乐
以保持用户的粘性。
1.2 研究现状
早在 1992 年,在美国就通过协同过滤的思想为邮件和新闻进行了推荐系统
的应用。随后,在 1994 年实现了自动化的新闻信息协同过滤,1995 年实现了支
持个性化的信息查找辅助系统的设计实现。从此之后,推荐系统这一种主动信息
过滤的系统,关注度持续上升,在学术界已经商业的应用上得到了非常广泛的应
用发展。到了 2006 年,Netflix 公司通过以百万美元奖励来促进推荐系统的进一
步完善,项目吸引了众多的学者参加,为推荐算法的研究打下了坚实的基础。2007
年,明尼苏达大学也成功的举办了全球第一届推荐会议,为推动推荐系统的发展
提供了很大的帮助,该会议每年一次一直持续至今。而现如今,很多的新闻、期
刊等也都在应用推荐系统,在商业化的领域中,IBM、谷歌等都通过推荐系统实
现了广告收益的提升,美国网上零售商 overstock 也通过推荐方案来为不同的用
户推荐产品广告,使得其经营收入也实现了大幅的增长。