推荐系统是一种利用信息技术和大规模信息环境中的用户行为分析、个性化推荐和内容过滤等技术的信息系统。它旨在为用户提供个性化的信息服务和内容推荐,以满足用户的特定需求和喜好。
1.1用户行为数据
用户行为数据在网站上最简单的存在形式就是日志。网站运行中产生原始日志,并存在文件系统。
-
用户行为在个性化推荐中分为两种:显示反馈和隐形反馈(浏览)。各网站例子:
(1) 视频网站:显性:用户对视频评分;隐性:用户观看视频日志/浏览视频页面的日志
(2) 电子商务网站:显性:用户对商品评分;隐形:购买日志,浏览日志
(3) 门户:显性:对新闻的评分;隐性:阅读新闻的日志
(4) 音乐:显性:用户对音乐/歌手/专辑的评分,隐性:听歌日志 -
协同过滤,基于邻域方法:
(1) 基于用户的协同过滤算法:给用户推荐和他兴趣相似的其他用户喜欢的物品
(2) 基于物品的系统过滤算法:给用户推荐和他之前喜欢的物品相似的物品。亚马逊/Neetflix/HULU//Youtube。首先计算物品之间的相似度;然后根据物品的相似度和用户的历史行为给用户生成推荐列表 -
隐语义模型
LFM :Latent factor model,通过隐含特征联系用户兴趣和物品。 -
基于图模型
用户顶点集合和物品顶点集合。相关