推荐系统

发表于 | 评论数： | 阅读次数：
本文字数： 447 | 阅读时长 ≈ 1 分钟

目前常用推荐算法分类

1 个性化推荐

  • 基于用户推荐

    1. 用户在注册的时候可以选择自己感兴趣的方向
    2. 根据兴趣对用户进行分类，打上标签
    3. 给用户推荐该类别中用户可能喜欢的东西

  • 基于内容推荐

    • 思想

      根据用户的浏览历史，提取特征，根据特征来推荐用户没有接触过的推荐项

    • 推荐方式

      一般是基于关键词进行推荐

    • 优点

      • 不需要冷启动
      • 不需要惯用数据
      • 与流行度无关，可以推荐罕见特性的项

    • 缺点

      • 项内容必须是机器可读和有意义的
      • 很容易对用户进行归档
      • 很少意外，缺少多样性
      • 很难联合多个项来进行推荐

  • 基于关联规则的推荐

    • 商品集与商品集之间相关性判断
    • 如：Jacard系数

  • 基于效用进行推荐

    • 效用函数

  • 基于知识推荐

    • 根据某一个特定领域的一套规则来进行推荐

  • 协同过滤算法（Collaborative Filtering）

    • 优点
      • 需要最小域
      • 不需要用户和项
      • 大部分场景能够产生足够好的结果
    • 缺点
      • 冷启动问题
      • 需要标准化产品
      • 需要很高的用户和项的比例
      • 流行度偏见
      • 无法解释推荐的理由