国内大数据赋能的智慧推荐机制研究进展

• 作者： 孙雨生 ^1,2 范　颖 ¹ 祝　博 ³
• 作者单位：
  1.  湖北工业大学经济与管理学院

  2.  湖北工业大学湖北农业装备制造产业发展研究中心

  3.  北京理工大学管理学院
• 通讯作者： 孙雨生 
• 提交时间：2024-09-30

摘要: [目的/意义]旨在厘清国内大数据赋能的智慧推荐机制发展脉络与现状，凝练大数据赋能的智慧推荐机制。[方法/过程]文章用内容分析法归纳了521篇文献内容，从数据驱动的推荐机制改进、模型驱动的推荐机制优化、用户驱动的推荐结果混合三方面阐述了国内大数据赋能的智慧推荐机制研究进展。[结果/结论]大数据赋能的智慧推荐机制通过数据驱动改进数据源广度和特征提取深度，提升推荐输入环节特征工程质量；通过模型驱动优化、重构推荐模型，优化推荐处理环节模型匹配性能；通过用户驱动混合推荐结果，提升推荐表示环节服务效能。现有研究需强化数据驱动喂养式推荐、模型驱动可解释性推荐，创新用户驱动生成式推荐，构建数据、模型、用户三驱型智慧推荐机制体系。

Abstract: [Purpose/significance] In order to clarify the development and current situation of smart recommendation mechanism enabled by big data in China, and to condense the smart recommendation mechanism enabled by big data. [Method/process] Using the content analysis methods, the authors summary the content of the 521 articles, and expound the research development on smart recommendation mechanism enabled by big data in China from three aspects of improvement of data-driven recommendation mechanism, optimization of model-driven recommendation mechanism and mixing of users-driven recommendation results. [Result/conclusion] The smart recommendation mechanism empowered by big data improves the breadth of data sources and the depth of feature extraction through data-driven approaches, thereby enhancing the quality of feature engineering in the recommendation input stage. Through model driven optimization and reconstruction of recommendation models, model matching performance is optimized in the recommendation processing stage. Through user driven hybrid recommendation results, service efficiency is enhanced in the recommendation representation stage. Existing research needs to strengthen data-driven feeding recommendations and model driven interpretable recommendations, innovate user driven generative recommendations, and build a smart recommendation mechanism system driven by data, model, and user.

• 来自： 孙雨生
• 分类： 信息资源管理 >> 情报学 管理科学与工程 >> 管理科学与工程
• 稿件状态： 已投稿会议
会议名称： 数智赋能学术期刊创新发展 ——第四届信息资源管理期刊发展论坛征文（2024年7月 —2024年10月）
• 引用： PSSXiv:202410.00152 (或此版本 PSSXiv:202410.00152V1)
  DOI:10.12451/202410.00152
  CSTR:32012.36.PSSXiv.202410.00152
• 推荐引用方式： 孙雨生,范　颖,祝　博.国内大数据赋能的智慧推荐机制研究进展.哲学社会科学预印本平台:https://zsyyb.cn/abs/202410.00152.[PSSXiv:202410.00152V1] (点此复制)