推荐系统简介

推荐系统简介

推荐系统基本思想：

• 利用用户和物品的特征信息，给用户推荐那些具有用户喜欢的特征的物品。
• 利用 用户喜欢过的物品，给用户推荐与他喜欢过的物品相似的物品 。
• 利用 和用户相似的其他用户，给用户推荐那些和他们兴趣爱好相似的其他用
  户喜欢的物品 。

推荐系统的数据分析

• 显式的用户反馈：这类是用户在网站上自然浏览或者使用网站以外，显式的提供
  反馈信息，例如用户对物品的评分，或者对物品的评论。
• 隐式的用户反馈：这类是用户在使用网站是产生的数据，隐式的反应了用户对物
  品的喜好，例如用户购买了某物品，用户查看了某物品的信息等等。
  

推荐分类

• 根据实时分类

  • 离线推荐
  • 实时推荐

• 根据个性化分类

  • 基于统计推荐
  • 个性化推荐

• 根据原则分类

  • 基于相似度推荐
  • 基于知识推荐
  • 基于模型推荐

• 根据数据源分类

  • 基于人口统计学推荐
  • 基于内容推荐
  • 基于协同过滤推荐
    

推荐算法简介

基于人口统计

人以群分

基于内容的推荐算法

物以类聚

基于协同过滤推荐

• 基于近邻的协同过滤

    - 基于用户（User CF）
    - 基于物品（Item CF）
  

• 基于模型的协同过滤

    - 奇异值分解（SVD）
    - 潜在语义分析（LSA）
    - 支撑向量 机（SVM）
  

协同过滤（CF）推荐方法