关于开发推荐系统方法的第三阶段研究

《IEEE Access》：A tertiary study on approaches for developing recommender systems

　　

摘要：

在数字时代，推荐系统已成为重要的工具，通过个性化推荐来缓解信息过载的问题。这项研究对过去五年间关于推荐系统的学术成果进行了系统梳理，重点分析了所采用的主要方法、应用场景以及当前面临的挑战。通过对58项相关研究的分析，确定了八种主要的推荐方法：协同过滤、基于内容的过滤、深度学习、图神经网络、知识图谱嵌入、强化学习、大型语言模型以及混合方法。研究结果表明，尽管GNN和LLM等先进技术越来越被广泛应用，但KNN、SVD和MF等传统方法仍然被广泛使用。此外，还发现目前缺乏针对不同应用场景下各种方法有效性进行系统比较的研究。本研究有助于识别现有不足，并为未来推荐系统相关研究提供指导，同时还对这些方法进行了分类，阐明了各自的优缺点。