个性化推荐学习笔记

最近看了些文章，是关于个性化推荐的，内容是介绍个性化推荐历史的，虽然文章很长，总结下来，基本是2个要点。（初级的，专业人士就不必看了）

1. 基于用户协同推荐 user-based
优点：最近邻居理论。用户之间的相似度是通过比较两个用户的行为选择矢量得到的
缺点：新数据不会很快被发现，也不会很快被推荐；运算量大，消耗高

比如：购买这个商品的用户还购买了。。。

2. 基于内容的协同推荐 item-based
优点：根据内容之间的相似度，找到目标内容的最近邻居

缺点：忽略相似用户之间的组群特征，推荐质量上不如user-based

比如：这本书的类似书籍有。。。

 

扩展一下，在“2”中，如果能把热门和个人分类融入进来，那就会更智能了。比如，我是孩她妈，我会买故事书，也会给自己买摄影书，那么，理想的推荐，能包括同年龄段的故事书和服饰用品（针对我个人的，能有年龄分类的）；和摄影相关的书籍和器材（针对我这类群体的），和户外有关的用品（针对我这类群体的）

 

个性化推荐就像是房子，大概框架在这里，剩下的砖啊，水泥啊，或是钢筋啊，就看怎么量体裁衣了