主动学习的方法来了解每个用户偏好的概率模型（2）使用在混合模型中的存储的用户文件来计算推荐。后者提出的方法在一些方面用到了传统的基于记亿的算法思想。3总结混合推荐系统也可以用一种基于知识的技术来讨论，比如基于案例的推理，这样做的目的是为了改进推荐的准确性，并且消除一些传统推荐系统的局限性。比如，基于知识的推荐系统作为主菜，用到一些关于饭店、烹饪风格和食物的知识域，来为它的用户推荐饭店。基于知识系统的主要缺点是一种对知识获取的需要。众所周知，这是大多数人工智能应用的瓶颈。然而，基于知识的推荐系统从应用领域发展而来，这种知识域是从一种机器可以读出的表格所构建的，比如是一种存在论。举例来说，快捷系统使用主题存在论的研究，来对用户在线进行推荐。此外，许多文章，经验性的比较了混合算法与单纯贴近算法之间的表现，并且说明了混合方法较纯贴近方法可以提供更准确的推荐效果。【参考文献】1KYu，XXu，JTao，MEster，a
dHPKriegel“I
sta
ceSelectio
Tech
iquesforMemoryBasedCollaborativeFilteri
g”ProcSeco
dSIAMI
t’lCo
fDataMi
i
g（SDM’02），20022KYu，Tresp，XXu，a
dHPKriegel，“ProbabilisticMemoryBasedCollaborativeFilteri
g，”IEEETra
sK
owledgea
dDataE
g，vol16，
o1，pp5669，Ja
，20043AMRashid，IAlbert，DCosley，SKLam，SMMcNee，JAKo
sta
，a
dJRiedl，“Getti
gtoK
owYou：Lear
i
gNewUserPrefere
cesi
Recomme
derSystems，”ProcI
t’lCo
fI
tellige
tUserI
terfaces，20024曾汇艳，麦永浩基于内容预测和项目评分的协同过滤推荐J计算机应用，2004，24（1）：1111135HerlockerJ，Ko
sta
J，BorchersA，etalA
AlgorithmicFrameworkforPerformi
gCollaborativeFilteri
gCProceedi
gsofthe22
dA
ualI
ter
atio
alACMSIGIRCo
fere
ceo
Researcha
dDevelopme
ti
I
formatio
RetrievalSl：ACMPress，19996SarwarB，KarypisGItembasedCollaborativeFilteri
gRecomme
datio
AlgorithmCProceedi
gsofthe10thI
ter
atio
alWorldWideWebCo
fere
ceHo
gKo
g，Chi
a：s
，2001
f7Balaba
ovicM，ShohalmYFab：Co
te
tBasedCollaborativeRecomme
datio
JCommu
icatio
oftheACM，1997，40（3）：66728赵建东，陈小乐基于I
ter
et的智能家庭网络控制器的实现J电子技术应用，2002，28（12）：46489KYu，ASchwaighofer，VTresp，XXu，a
dHPKriegel，“ProbabilisticMemoryBasedCollaborativeFilteri
g，”IEEETra
sK
owledgea
dDataE
g，vol16，
o1，pp5669，Ja
200410杨思忠，刘锦德家庭网络及相关技术J计算机应用，2000，20（7）：242811叶朝辉，杨士元智能家庭网络研r