互联网的快速发展使网民数量呈指数增长，各类网站纷纷意识到推荐系统的重要性。能否对用户产生个性化推荐以及推荐结果的准确性，决定了该网站能否在保留住老用户的同时吸引更多新用户，提高用户满意度和信息资源利用率的同时为互联网公司带来更多经济效益。目前推荐技术已经广泛应用于各类网站并取得成功，如向用户推荐购物、新闻、电影、音乐和文档等信息[4]。目前在国外应用最广泛的推荐系统如表1所示。34616
表1国外推荐系统表
推荐方法    推荐系统    领域
基于内容的推荐    Amalthaea    网页推荐
    Webmate    网页推荐
    Letizia    网页推荐
    Let’s browse    网页推荐
    Movie Lens    电影推荐
    Re:agent    邮件过滤
    News dude    新闻过滤
    Labo Ur    文档推荐
协调过滤    Amazon    书籍/CD 等
    Smart radio    音乐推荐
    Ringo    音乐推荐
    Group Lens    新闻推荐
    Labo Ur    文档推荐
    Movie Lens    电影推荐
混合推荐    Fab    网页推荐
    Personal Web Watcher    网页推荐
    News weeder    新闻推荐
    Anatagonomy    新闻推荐
与国外相比，国内对推荐系统的研究起步相对较晚。但是随着亚马逊个性化推荐系统的成功应用和国内电子商务的蓬勃发展，国内以阿里巴巴为首的电子商务网站也陆续把目光投向了对推荐系统原型的研究与开发中。国内在推荐系统方向取得出色成果的公司有百度、论文网阿里、腾讯、百分点、今日头条和新浪等等。2006年，当当网率先对用户提供个性化推荐服务[5]，将音频、视频和书籍等信息推荐给用户，该服务一推出就受到了广大用户的青睐；2008年9月，淘宝网推出了自己的个性化推荐系统产品“i淘宝”[6]，该产品可以帮助用户在短时间内找到自己感兴趣的东西；2011年，百度强力推出个性化首页“一人一世界”[7]，此版百度首页将基于大数据和机器学习积累的个性化数据，为不同用户推送个性化的内容；2014年阿里巴巴举办“天池”个性化推荐大赛[8]，吸引了来自全国乃至世界各地的推荐算法研究者，极大地促进了我国推荐算法的发展；2016年，阿里旗下YunOS的推荐算法团队在ACM RecSys上 2016喜摘金牌 推荐系统国内外研究现状综述:http://www.youerw.com/yanjiu/lunwen_32178.html