tag推荐系统的关键问题以及解决方案

 
from: http://www.hxxiaopei.com/?p=141

最近在做推荐产品，读了一些论文，客观的说，扯淡的居多，基本的思路也差不多，结合工作的情况，谈一下tag推荐的产品形态、主要问题以及如何推荐

产品形态以及主要问题

tag 的推荐系统，顾名思义，利用用户或者item的 tag信息进行推荐，涉及到两个产品形态：

1.tag-based recommend，基于tag信息推荐item给用户

2.tag recommend，给用户推荐tag

无论1,还是2，都面临一个问题，tag从哪里来？这个是tag推荐系统最为关键的事情。通常来讲，有4个：

1.专家标注，貌似jnni是这样做的

2.UGC，由用户产生，douban等很多都是这样搞得

3.系统产生，利用用户/item数据

4.人工和系统相结合

解决了tag产生的问题，构建tag体系后，我们只需要抽取相关的feature，就可以完成item推荐或者tag推荐。

tag产生

工程上分析一下如何生成tag：

1.专家标注

目前大多数公司不现实，尤其是startup时，不可能有这么大的投入。

在垂直领域，这个问题可以简化，成熟的相关网站抓取，比如3C类，可以去京东，中关村在线等，结构化数据，效果不错。

覆盖率可能不够，但是作为startup公司或者要求不高时，应该够用，如果做深，是一个无底洞，taobao N多人N年搞产品库，投入很大。

所以有朋友希望兼职做做产品库挖掘，尤其说类似淘宝那种，直接拒绝。

2.UGC

tag的获取不是问题，产生的tag有很大的随意性，问题在于如何处理这些tag，主要问题：

1.书写不规范，最重要的问题，比如 美女，大美女，recomend system recomendation system, RS 等等，需要做归一化

2.同义关系

目前UGC 产生标签，是最主要的形式，不过产品前期比较多，稳定后用户更多的会采用推荐的tag

3.系统产生

用系统产生tag，基于user或者item信息，最简单的方式，将用户访问item的title取出来&