文章目录
推荐系统的目的
- 解决信息过载,现在信息太多了,我们要用一个智能的系统来推测我们喜欢什么给我们进行推荐
- 店家需要推荐系统向客户推荐自己的产品
- 网站给用户更好的体验,从而留住用户
推荐系统的基本思想
- 物以类聚,从用户过往的喜好中抽取特征,再推荐具有这些特征的物品。比如女生喜欢高高的阳光一点的男孩,我推荐就推荐这种给她。
- 人以群分,她喜欢这种男孩,她朋友应该也喜欢这种男孩,我不知道她的喜好,但我根据她朋友的喜好能大概推出来她的喜好。
推荐系统的数据分析
- 用户:个人信息、喜好标签、上下文信息
- 物品:内容信息、分类标签、关键词
- 行为数据:(显式反馈)评分/评价、打标签、(隐式反馈)点击/浏览、收藏/购买
推荐系统的分类
其实推荐不存在分类,所有的推荐算法基本上都会杂糅在一起使用
分类标准 | 具体类型 |
---|---|
根据实时性分类 | 离线推荐、实时推荐 |
根据推荐原则分类 | 基于相似度的推荐、基于知识的推荐、基于模型的推荐 |
根据推荐是否个性化分类 | 基于统计的推荐、个性化推荐 |
根据数据源分类 | 基于人口统计学的推荐、基于内容的推荐、基于协同过滤的推荐 |
推荐算法简介
基于人口统计学
人以群分,前提是指导用户的信息