摘 要：随着消费数据的不断增长，用户对推荐系统产生了个性化以外的动态需求。本文以“动态”和“推荐”作为关键词，介绍了动态推荐系统中所涉及的动态因素，总结了动态协同过滤技术、聚类技术和实时计算框架技术三种目前研究者主要采用的动态推荐技术，并总结了其优缺点，为更好地构建动态推荐系统服务。
关键词：动态推荐技术；个性化；动态因素；协同过滤；Storm
中图分类号：TP391.3 文献标识码：A 文章编号：2096-4706（2019）08-0007-03
Research on Personalized Dynamic Recommendation Technology
JIAO Menglei，XU Yong，ZHAO Tao，WU Yali，XU Chong
（School of Management Science and Engineering，Anhui University of Finance and Economics，Bengbu 233030，China）
Abstract：With the continuous growth of consumption data，users have a dynamic demand for recommendation system beyond personalization. Based on the “dynamic” and “recommended” as keywords，this paper introduces the dynamic factors involved in the dynamic recommendation system，summarizes the dynamic collaborative filtering technology，clustering technology and real-time computing framework technology，which are the three main dynamic recommendation technologies currently used by researchers，and summarizes their advantages and disadvantages，so as to better construct the dynamic recommendation system.
Keywords：dynamic recommendation technology；personalization；dynamic factors；collaborative filtering；Storm
参考文献：
[1] 卫星君，顾清华. 针对协同过滤推荐系统的混淆托攻击模型 [J]. 计算机与数字工程，2018，46（8）：1575-1579+1696.
[2] 刘曜，潘芳，潘郁，等. 基于融合时间信息影响的Sim-Rank 算法的个性化推荐 [J]. 统计与决策，2018，34（13）：85-87.
[3] 陆佳炜，卢成炳，王辰昊，等. 基于USDR 模型的云推荐方法研究 [J]. 计算机测量与控制，2018，26（8）：227-232+237.
[4] 杨珍，耿秀丽. 面向个性化产品服务方案的推荐方法与应用 [J]. 中国机械工程，2018，29（16）：1965-1974+1983.
[5] Danae Pla Karidi，Yannis Stavrakas，Yannis Vassiliou. Tweet and followee personalized recommendations based on knowledge graphs [J].Journal of Ambient Intelligence and Humanized Computing，2018，9（6）：2035-2049.
[6] Ziyang Zhang，Yuhong Liu，Zhigang Jin，et al. A dynamic trust based two-layer neighbor selection scheme towards online recommender systems [J].Neurocomputing，2018，285：94-103.
[7] 蒋伟，秦志光. 耦合辅助信息的矩阵分解推荐模型 [J]. 计算机应用研究，2019（10）：1-11.
[8] ZHANG W，ZHUANG J Y，YONG X，et al. Personalized topic modeling for recommending user-generated content [J].Frontiers of Information Technology & Electronic Engineering，2017，18（5）：708-718.
[9] Yoori Oh，Yoonhee Kim.A resource recommendation methodbased on dynamic cluster analysis of application characteristics [J].Cluster Computing，2018（22）：175-184.
[10] Xianfen Xie，Binhui Wang.Web page recommendation via twofold clustering：considering user behavior and topic relation [J].Neural Comput & Applic，2018，（29）：235-243.
[11] 贾晓光. 基于Spark 的并行化协同深度推荐模型 [J]. 计算机工程与应用，2018，54（14）：71-76.
[12] 肖云鹏，孙华超，戴天骥，等. 一种基于云模型的社交网络推荐系统评分预测方法 [J]. 电子学报，2018，46（7）：1762-1767.
作者简介：
焦梦蕾（1995.10-），女，汉族，安徽淮南人，在读硕士，研究方向：数据挖掘与智能商务；
徐勇（1978.01-），男，汉族，安徽泾县人，教授，研究方向：数据挖掘与社会计算，大数据与人工智能。