摘要;
随着互联网的普及和电子商务的发展，网络上的资源迅速膨胀，面对海量的数据信息，传统的搜索引擎很难满足用户的信息检索需求，在此信息过载背景下，推荐系统应运而生。协同过滤算法是其中最为广泛应用的一类算法，然而传统的构建在协同过滤上的推荐系统存在着用户隐私信息泄漏的风险。本文总结了推荐系统的产生与发展、研究意义、国内外研究现状、协同过滤推荐相关知识以及基于隐私保护的推荐算法，并在此基础上进行分析。
关键词 隐私保护，协同过滤，推荐系统
1 引言
随着互联网技术的迅速发展，互联网已经渗透到社会生活的方方面面。随着网络上承载的信息数据量变的日益庞大，导致了所谓的信息过载问题[1]。在这样的海量信息面前，用户很难从大量无关冗余的信息中获取到对其有用的信息，从而使得信息利用率降低[2]。推荐系统[3]的出现有效地解决了信息过载问题，近年来，随着对大数据的关注度提高，对推荐系统的研宄越来越广泛，许多理论研究成果相继涌现出来。
2 推荐系统的产生与发展
海量数据时代的到来使用户陷入到了信息的汪洋大海之中，用户在使用互联网时无法在短时间内满足自己的需求，信息超载现象越来越严重。在此背景下，个性化推荐系统应运而生。具体而言，推荐系统通过收集和分析用户的各种数据来学习用户的兴趣和行为模式，从而为用户推荐他所需要的信息和服务。
由于推荐系统可以有效的解决信息过载问题，因而受到了学术界和工业界的广泛关注。在学术界，自20世纪90年代中期出现第一批关于协同过滤的文章以来，推荐系统一直保持着很高的研究热度。尤其近几年来，随着对大数据的关注升温，国际学术界针对推荐系统相关的研宄工作大量出现，可以说，推荐系统己经逐渐发展成为一门独立的学科。在工业界方面，一方面，由于推荐系统能够有效节约用户的选择时间，提高用户的工作效率，从而大大增加了用户的满意度；另一方面，通过推荐技术可以极大提高服务的友好程度，从而增加用户购买兴趣和用户黏性，使得企业效益也得到了增加。在电子商务方面，推荐系统己经成为电子商务网站增加商品销量的法宝之一。在国内外很多大型的社交通讯网站如新浪微博、微信等，推荐系统也己经得到了深入的应用，并带来了很多可观的效果。除此之外，推荐系统在互联网金融、医疗、道路交通等产业领域也开始扮演越来越重要的角色。
传统推荐算法主要分为三类：基于内容的推荐算法、协同过滤推荐算法[4]，以及混合推荐算法。
3 研究意义
以上是毕业论文文献综述，课题毕业论文、任务书、外文翻译、程序设计、图纸设计等资料可联系客服协助查找。
