北大《推荐系统》课程-混合推荐算法-并行混合推荐算法

目录

1、并行式混合

1.1 加权式混合

1.2 切换式混合

1.3 排序混合

1.3.1 算法流程

1.3.2 实例

---

注：北大刘宏志老师的《推荐系统》课程的学习，图片来源于课程PPT和参考书籍

1、并行式混合

基本思想：直接对已有的基推荐器的输出结果进行混合；无需对现有基推荐器做修改

1.1 加权式混合

直接对基推荐器的结果进行加权求和，得到模型输出，一般要求权重求和等于1。

权重的确定有几种方法：

• 等权重

• 根据验证集的性能表现

• stacking集成学习模型

• 由用户确定权值

1.2 切换式混合

基本思想：在不同场景，针对不同用户，各种基推荐器的性能表现有较大差异。例如，针对活跃用户、热门项目协同过滤算法较好；针对新用户和不活跃用户，基于内容和人口统计学效果较好；针对冷门项目，基于内容的推荐算法较好；针对代价高昂且次数少的项目，使用基于知识的推荐算法效果较好。所以，在不同场景选择不同的推荐算法是一种明智的选择。

 图1.1 切换式混合图解

1.3 排序混合

1.3.1 算法流程

图 排序混合图框图

1.3.2 实例

图 波达计数法实例

改进的波达计数法：使用两两比较的排序，胜的次数多的项目获胜，避免某些项目平均排名高但是实际排名高的次数比较少的影响。