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