自然科学进展2009年第1期《个性化推荐系统的研究进展》一文的两个问题

 

初读这篇文章，还感觉挺好的。国内的杂志能出这样的文章，实在是很难得了。

但是后来发觉这篇文章好些地方与一篇英文文章

《Toward the next generation of recommendation systems: A survey of the state-of-the-art and possible extensions》雷同。

而且至少有以下两处值得商榷：

 

其一，关于基于内容的推荐的优点。

文中说：“总结起来，基于内容推荐的优点有：（1）可以处理新用户和新产品问题（冷启动）.由于新用户没有选择信息，新产品没有被选信息，因此协同过滤推荐系统无法处理这类问题。但是基于内容的推荐系统可以根据用户和产品的配置文件进行相应的推荐。”基于内容的推荐可以处理新用户问题吗？新用户没有选择信息，如何有用户配置文件？事实上，基于内容的推荐的确可以处理新产品问题，但是同样不能处理新用户的问题。

其二，关于主要推荐系统列表。

文中列出的电子商务部分由： Amazon.com, eBay, Levis, Ski-europe.com, dangdang.com, douban.com。

将dangdang.com也算了进去，这只是想当然。事实上，据我所知，当当做推荐系统是近几年才起步的，其效果与Amazon相差甚远，与dangdang响当当的名字也还不相称，而且似乎由于当当做产品的团队与做推荐的团队是分离的，它的推荐似乎没有很好地融合在整个产品之中。也许将来当当的推荐系统能做得很好，但就文章完成时，国内能上榜的恐怕只有豆瓣吧。

另外，有些语句也未加斟酌,比如说其中有一句“协同过滤系统是第一代被提出并得到广泛应用的推荐系统”，协同过滤系统是第一代被提出的？

以前总听说国内发表的论文的质量差，最近看了一些关于推荐系统的国产论文才有较为深切的体会。对于计算机方面，我的感觉是理论一定要联系实际。就推荐系统这样的应用性极强的领域，若没有真正开发应用的经验，研究起来也往往会流于浅薄与空谈，而且可能会错谬连出。国外的研究团队往往同时是大商业公司的研究开发团队，而国内很多研究团队只读Paper，从不参与应用开发，这或许是其间产生差距的原因之一吧。