推荐算法简介

推荐系统的分类

根据不同分类原则可以对推荐系统进行分类.

根据实时性分类:

• 离线推荐
• 实时推荐

根据是否个性化分类

• 基于统计推荐(热门推荐, 每个用户的推荐内容一样)
• 基于个性化推荐

根据原则分类

• 基于相似性的推荐
  根据相似的人, 或内容进行推荐
• 基于知识的推荐
  事先设定推荐规则
• 基于模型的推荐
  通过机器学习发掘规则, 进行推荐

根据数据源分类

• 基于人口统计学的推荐
  用户数据, 一般难以获取
• 基于内容的推荐
• 基于协同过滤的推荐(用户与内容交互产生的用户行为数据)
  

推荐算法简介

主要有以下4种( 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
• 混合推荐

基于人口统计学的推荐

根据用户的年龄, 性别等信息匹配出相似的用户, 基于相似用户来推荐内容

基于内容的推荐算法

根据内容的分类标签, 来匹配出相似的内容, 

协同过滤(CF)推荐方法

• 协同过滤（Collaborative Filtering，CF）
• 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）