推荐系统-基于内容的推荐系统

1. 什么是基于内容推荐？

其实就是基于物品的属性进行推荐

2. 实施步骤：

a. 构造物品的特征是属性

b. 计算物品之间的相识度，相识度的计算依赖于属性值，相识度的算法可以是pearson系数，consin相识度，欧式距离等

c. 计算用户对相似物品的喜好程度

d .推送评分高的物品给用户

3. 各步骤细说

a. 构建特征的方式

构建结构化特征，如果物品是手机，那么它的品牌，颜色，内存大小，屏幕大小等就是机构化的信息。

非结构化信息：往往来源于描述性的文本，需要提取文本得到。如果说商品的标题“华为 Nova5z 麒麟810芯片 4800万ai四摄 3200万人像超级夜景 全网贯通双卡双待” ，从中我们可以提取到结构：像素：4800， 芯片类型：麒麟810，  是否全网通：是， 是否双卡双待：是。

数据处理：对于离散的数据类型，往往使用独热编码的方式处理。对于连续的数据类型，往往需要归一化处理。

4. 下面通过一个电影推荐的例子来介绍基于内容的推荐算法的流程

a. 构建电影的特征矩阵，在例子中电影的特征只有电影类型这一个。需要对这个类型做独热化表示，共有18个维度

b. 构建用户对各个类型电影的平均评分，也是个18维度的矩阵。

c. 求用户没有看过的电影的特征矩阵与用户评论矩阵的相识度，使用cosin余弦相识度。

d. 取相识度最高的几个进行推荐

e. 效果评估：预测时不将客户已经看过的电影去除，将预测结果与用户实际看过的电影列表进行对比，求命中率。