2.2.2　推荐系统的发展史

推荐系统也是互联网时代解决信息过载的一种信息检索工具。自20世纪90年代起，人们便意识到推荐系统所能带来的价值。经过30年的发展，推荐系统在学术界成为一个重要的研究领域，为工业界做出巨大贡献。

1994年，MIT和明尼苏达大学组成的GroupLens研究组提出了第一个自动化推荐系统GroupLens。该系统将协同过滤作为推荐系统的重要技术，是最早的个性化推荐系统。1997年，Paul Resnick等人最早提出推荐系统（Recommender System，RS）一词，开辟了推荐系统这一重要研究领域。

1998年，Amazon上线基于物品的协同过滤推荐算法，将推荐系统从学术界真正应用到工业界，应用于百万商品的推荐上。2003年，Amazon的Greg Linden等人公布基于物品的协同过滤推荐算法，并根据实践结果进行统计。该推荐系统对推荐结果的准确度有很大提升。

2005年，Adomavicius G等人在关于推荐系统的综述中对推荐系统进行划分，包括基于内容的推荐、基于协同过滤的推荐和混合推荐，并对当时推荐系统的局限性和未来发展方向给出指导。

2006年10月，Netflix组织了一次竞赛，提出只要能够将现有的电影推荐算法Cinematch的准确度提高10%，就能获得100万美元的奖金。该比赛在学术界和工业界引起了较大的关注。参赛者提出了若干推荐算法来提高推荐结果准确度，极大地推动了推荐系统的发展。

2007年，“第一届ACM推荐系统大会”在美国举行，这是推荐系统领域的顶级会议——通过重要的国际论坛来展示推荐系统在不同领域的最新研究成果、理论和方法。

2016年，YouTube发表论文，提出将深度神经网络应用到推荐系统中，实现了从大规模可选的推荐内容中找到最有可能的推荐结果。