本文综述了个性化推荐及推荐系统的经典算法，评估方式，以及最近研究的方向：基于会话的推荐、推荐系统中的偏差问题以及实际应用的影响和价值。

Feb, 2023

通过使用词袋和基于神经网络的文档组合方法（Doc2Vec），本研究提出了产品、包装和健康三个标准的在线食品杂货推荐系统，通过使用这两种文档表示方法，在产品特性（成分、包装、营养表，过敏原等）等方面提供最佳的推荐，调查结果显示基于神经网络的 Doc2Vec 方法的表现更好且完全改变了结果。

Dec, 2023

利用智能推荐系统技术提出了一种新的数据驱动型供应链中断响应框架，并通过实际应用验证了概念模型，结果表明该框架可以作为有效的供应链中断缓解措施，在首次响应阶段帮助供应链参与者获得更好的反应性能。

Mar, 2024

为解决推荐系统中的分页机制问题，研究者提出了一种名为 Mobile Supply 的新模块，将推荐系统的流程扩展为 “retrival->pre-ranking->ranking->re-ranking->Mobile Supply->mobile ranking”。该模块通过引入列表值概念和采用点对点方法来近似评估列表排序方式，并设计了一种新的移动排序算法，考虑了移动设备之间的差异。大量的离线和在线实验显示了该方法的优越性，并证明了 Mobile Supply 可以进一步提升边缘推荐系统和用户体验的性能。Mobile Supply 已经在一个大规模在线食品平台的主页上部署，并带来了可观的利润。

Aug, 2023

个性化推荐系统在电子商务领域的应用及挑战，以及利用 BERT 模型和最近邻算法设计的 eBay 电子商务平台的个性化推荐系统的高效性和可行性。

Mar, 2024

本研究回顾了推荐系统在电子商务、电子旅游、电子资源、电子政务、电子学习和电子图书馆等领域的不同技术和发展，并通过分析最近的研究，提供了当前发展的详细概述，识别了推荐系统中的现有困难，为实践者和研究人员提供了必要的指导和见解。

Aug, 2022

本研究研究了如何将商品盈利纳入推荐系统，以最大化销售利润，同时提供准确的推荐建议，方法是将传统推荐算法的结果根据商品盈利性进行调整，并通过设置参数控制建议和传统算法结果的差距程度。研究结果表明该方法比传统模型提高了约 22% 的利润。

Aug, 2009

本文提出了一种基于代理模型的模拟框架，旨在帮助提供商探索不同推荐策略的纵向动态，以设计维持业务成功的平衡推荐策略，研究表明，在更多考虑客户效用的情况下，不忽视盈利能力的混合策略能够在长期中实现最高累计利润，同时社交媒体可以增强观察到的现象。

Mar, 2022

本论文主要研究了利用价格和利润数据，增强推荐算法的商业效益，其中重点探讨了价格感知和利润感知的推荐系统，并通过数值模拟说明了这种方法的商业潜力。

Jul, 2017

该研究论文是一篇关于在在线和移动社交网络中设计和实现推荐系统的综述，重点介绍了如何利用社交上下文信息来改善推荐任务，以及标准算法如何在完全分布式环境中进行增强和优化，并讨论了这些系统的优缺点和性能评估。

Jun, 2023