.png){kind=icon}
返回
A Tertiary Study on Approaches for Developing Recommender Systems
.png){kind=icon}
OA
AI
DOI：10.1109/ACCESS.2026.3677585.png)
.png){kind=icon}
.png){kind=icon}
分享.png){kind=icon}
收藏
摘要
En 中文
推荐系统（RS）已作为数字时代的基本工具出现，通过个性化推荐缓解信息过载。这项三级研究对过去五年中关于RS的科学产出进行了系统性的映射，重点关注所使用的主要方法、应用背景以及持续存在的挑战。对58项二级研究的综述识别出八种主要方法：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。结果表明，尽管GNNs和LLMs等先进技术的采用日益增多，但包括KNN、SVD和MF在内的传统方法仍然广泛使用。此外，观察到缺乏系统性的比较研究来评估不同背景下技术的有效性。本研究有助于识别差距并指导未来关于推荐系统的研究，同时提出了所识别方法的分类，突出了各自的优点和局限性。
Keyword:
Collaborative filtering
deep learning
hybrid methods
recommender systems (RS) systematic mapping
AI总结
对已上传原文的论文进行重点信息的提取，主要内容包括：简要概述、研究摘要、背景介绍、关键亮点、图文解析、展望与总结。
期刊
IF:
3.6
论文数:
9.8W
被引数:
29.4W
机构
引用论文
A Systematic Review and Replicability Study of BERT4Rec for Sequential RecommendationBERT4Rec的系统性综述与可重复性研究
OAAI
OAAI分享收藏分享收藏Social Recommendation for Social Networks Using Deep Learning Approach: A Systematic Review, Taxonomy, Issues, and Future Directions.png)
IEEE ACCESSOAAI
IEEE ACCESSIF3.6
OAAI分享收藏A systematic review of interaction design strategies for group recommendation systems群体推荐系统的交互设计策略系统综述
IF0
PREAI
分享收藏Convergence of Recommender Systems and Edge Computing: A Comprehensive Survey推荐系统和边缘计算的融合: 综合调查IEEE ACCESSOAAI
IEEE ACCESSIF3.6
OAAI分享收藏A comprehensive review of recommender systems: Transitioning from theory to practice推荐系统的全面综述：从理论到实践的转变Computer Science Review
Computer Science ReviewIF12.7
PREAI
分享收藏
查看更多内容