目录
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