六、信息技术领域

问题综述：

在当今信息社会广泛应用情况下，信息总量的爆炸性增长导致“信息过载”——用户难以在海量信息中找到自己需要的对象。信息推荐系统被认为是解决信息过载最有效的工具之一。

信息推荐系统的研究较早，在90年代初期就已形成了信息推荐的概念。在研究上往往基于用户或对象的相似性，本质上是集中化的静态系统。海量数据的出现，Web2.0技术的成熟，用户实时反馈需求的增加和在线社会网络的涌现都提出了对下一代信息推荐系统的需求。这方面研究不仅可以推动数据挖掘和信息过滤理论的发展，而且对零售系统以及在线资源共享型社区具有重要的商业价值。

本项课题的研究应该包括：(1)海量动态系统的实时处理(2)社会推荐机制与算法设计(3)个性化自适应算法(4)鲁棒性问题(5) 下一代信息推荐系统的性能评价指标。下一代信息推荐系统还在考虑恶意用户的存在性，提高鲁棒性；提高推荐内容的精确性、多样性和新颖性。