北大《推荐系统》课程-推荐系统基本概念和算法分类

目录

1.定义和目的：

2.推荐系统框架和流程：

3.推荐算法流程

4.推荐算法分类：

5.用户和项目画像概念和实例

5.1 用户建模

5.2 项目建模

5.3 视频推荐实例

---

注：北大刘宏志老师的《推荐系统》课程学习，图片来源于课程PPT和参考书籍

1.定义和目的：

推荐系统是一种主动的信息过滤系统，将信息过滤过程由用户主动搜索转变为系统主动推送。解决信息爆炸->信息超载的问题以及互联网上的物品存在长尾现象。最终实现用户和商家共赢。

2.推荐系统框架和流程：

 

3.推荐算法流程

4.推荐算法分类：

• 基于人口统计学：根据用户基本信息推荐相似用户喜爱的项目

• 基于内容：根据用户过去喜好的项目推荐相似的项目

• 协同过滤：根据用户行为信息推荐相似用户喜爱的项目

• 基于知识：根据用户的显示需求和专业领域知识进行推荐

• 混合推荐：以上多种技术的组合

同时按照应用可以分为评分预测和TOP-N推荐

5.用户和项目画像概念和实例

本质是创造出一组value-label的数据，描述用户和项目。

5.1 用户建模

对用户的特点和兴趣进行建模，从用户相关的各种数据中挖掘或抽取出用户在不同属性上的标签。包括事实标签（例如性别）、模型标签（如用户兴趣）、预测标签（如用户流失预测）。

5.2 项目建模

对项目的特点进行建模，从项目相关的各种数据中挖掘和抽取出项目在不同属性上的标签，实现对项目（商品、服务等）的精确定位。

5.3 视频推荐实例