推荐系统学习总结

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。

1. 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

2. 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

3. 隐语义模型
   LFM :Latent factor model，通过隐含特征联系用户兴趣和物品。

4. 基于图模型
   用户顶点集合和物品顶点集合。相关