1、隨著近幾年來(lái)社交媒體的流行，信息的產(chǎn)生、傳播、分享變得越發(fā)容易。人們只需要通過(guò)發(fā)布微博，更新自己的社交狀態(tài)就能同來(lái)自世界各地的人們通信，交朋友，甚至進(jìn)行商業(yè)貿(mào)易。電子商務(wù)的盛行，網(wǎng)絡(luò)購(gòu)物正逐漸地成為人們生活中不可或缺的一部分，也在顛覆著傳統(tǒng)的產(chǎn)業(yè)結(jié)構(gòu)。然而，人們?cè)谑芤嬗谛畔⒈ㄋ鶐?lái)的便利的同時(shí)，也在面臨信息過(guò)載所帶來(lái)的困擾：該如何從龐大的信息池中獲取有價(jià)值的資源呢？推薦系統(tǒng)的出現(xiàn)正是為了解決這個(gè)問(wèn)題，也在逐漸成為很多商業(yè)應(yīng)用的重要組件

2、，自動(dòng)地通過(guò)分析用戶偏好，為人們推送最為喜歡，符合個(gè)人口味的信息。
　　本文主要探討推薦系統(tǒng)研發(fā)過(guò)程中所面臨的數(shù)據(jù)稀疏性問(wèn)題，并從評(píng)分預(yù)測(cè)和排序預(yù)測(cè)的角度探討了如何設(shè)計(jì)緩解該問(wèn)題的個(gè)性化算法。
　　本文的主要貢獻(xiàn)如下：
　　1.探討了如何利用矩陣分解算法刻畫用戶評(píng)分決策過(guò)程，從反饋數(shù)據(jù)中進(jìn)一步捕捉用戶與物品以外信息的交互作用，緩解顯性評(píng)分反饋不足所帶來(lái)的預(yù)測(cè)缺陷，并設(shè)計(jì)了相應(yīng)的實(shí)驗(yàn)。
　　2.研究如何利用排序?qū)W習(xí)