【推荐系统入门】推荐系统理论初探 及 豆瓣推荐应用举例分析

---

title: 推荐系统理论初探
date: 2018-12-20 20:32:55
tags: 推荐系统
toc: true
categories: ML
我的博客: Josonlee’s Blog

---

推荐系统理论

推荐系统所需的元数据

• 要推荐物品或内容的元数据，例如关键字，基因描述等；
• 系统用户的基本信息，例如性别，年龄等
• 用户对物品或者信息的偏好，根据应用本身的不同，可能包括用户对物品的评分，用户查看物品的记录，用户的购买记录等。其实这些用户的偏好信息可以分为两类：
• 显式的用户反馈：这类是用户在网站上自然浏览或者使用网站以外，显式的提供反馈信息，例如用户对物品的评分，或者对物品的评论。
• 隐式的用户反馈：这类是用户在使用网站是产生的数据，隐式的反应了用户对物品的喜好，例如用户购买了某物品，用户查看了某物品的信息等等。

基本分类

• 基于大众化的口味进行推荐
• 个性化推荐

基于系统数据的推荐

基于人口统计学的推荐（Demographic-based Recommendation）

依据系统用户的基本信息，比如说男、18~25岁、程序员，发现用户间相关度

如图，根据用户的信息会认为A、C相似，所以推荐A喜欢的物品给C

优点

1. 不使用当前用户对物品的喜好历史数据，所以对于新用户来讲没有“冷启动（Cold Start）”的问题。
2. 这个方法不依赖于物品本身的数据，所以这个方法