本書通過較為全面和系統的文獻綜述，揭示出當前個性化推薦系統存在的主要問題在于高質量用戶偏好數據的匱乏與種類多樣的推薦算法之間的矛盾，實乃“巧婦難為無米之炊”。用戶偏好乃個性化推薦系統之基，當前用戶偏好獲取存在兩個方面的不足：一是基本數據分析來源的用戶評分、評論和標簽等標注行為發生頻率非常低，容易產生數據稀疏問題；二是日志分析粒度太粗，畢竟日志分析以單頁為基本單元而用戶在特定網頁并非均勻瀏覽而是不同部分有不同的側重，從而無法具體得到用戶更為精準的偏好信息。此外，對用戶評論與評分不一致的現象進行了修正，意圖使用更為真實客觀的評分與評價信息向用戶呈現推薦的原因；最后，以用戶為中心，通過對用戶與推薦系統交互行為的觀察及用戶即時、短期及長期偏好的充分利用，提出交互收斂式個性化推薦算法進行實時推薦，力圖確保推薦精確性的前提下提高推薦的多樣性，從而有效提升個性化推薦系統的可用性、易用性及用戶滿意度。
新書資訊