近年来社交媒体已经越来越流行，可以从中获得大量丰富多彩的信息的同时，也给我们带来了严重的“信息过载”问题。推荐系统作为缓解信息过载的最有效方法之一，在社交媒体中的作用日趋重要。区别于传统的推荐方法，社交媒体中包含大量的用户产生内容，因此在社交媒体中，通过结合传统的个性化的推荐方法，集成各类新的数据、元数据和清晰的用户关系，产生了各种新的推荐技术。本文总结了推荐系统中的几个关键研究领域，进行综述介绍。本文是推荐算法综述的第四部分。第一部分主要介绍了推荐算法的主要类型。第二部分，主要涵盖了不同类型的协同过滤算法，突出他们之间的一些细微差别。第三部分详细介绍了基于内容的过滤算法。在本文中，我们将介绍混合引荐技术，它是建立在我们前面介绍过的算法之上的。我们也将简要讨论针对协同过滤算法和基于内容的过滤方法中存在的不足，可以如何通过融入item的流行度来缓解这些局限性。
By 张天雷