一、按数据使用划分:
A. 协同过滤算法:UserCF,ItemCF,ModelCF
B. 基于内容的推荐:用户内容属性和物品内容属性
C. 社会化过滤:基于用户的社交网络关系
二、按模型划分:
A. 最近邻模型:基于距离的协同过滤算法
B. Latent Factor Model(SVD):基于矩阵分解的模型
C. Graph:图模型,社会网络图模型
三、协同过滤的基本思想
协同过滤算法一半是在海量的用户中发掘出一小部分和你品位比较类似的,在协同过滤中,在写用户成为邻居,然后根绝他们喜欢的其他东组织成一个排序的目录作为推荐系统。
四、实现系统过滤的步骤
A、收集用户偏好 (评分、投票、转发、评论等等)
B、找到相似的用户或物品
C、计算推荐
关于B:
相似度:当已经对用户行为进行分析得到用户喜好后,我们可以根据用户喜好计算相似用户和物品,然后基于相似用户或者物品进行推荐,这就是最典型的CF的两个分支:基于用户的CF和基于物品的CF。这两种方法都需要计算相似度。把数据看成空间中的向量(降噪,归一化)。
距离的计算:
A、欧几里得距离
B、其它距离
待续。。。。。。。。。