一、推荐系统的需求
互联网的迅快速发展将人类带入了信息社会和网络经济时代,信息化影响到了生活的方方面面。但是随着互联网产业的扩大,为用户提供更多选择的同时也带来了筛选与推荐的难题。用户在面对大量的信息时无法从中迅速获得对自己真正有用的信息。传统的搜索系统需要用户提供明确需求,从用户提供的需求信息出发,继而给用户展现信息,无法针对不同用户的兴趣爱好提供相应的信息反馈服务。推荐系统相比于搜索系统,不需要提供明确需求,便可以为每个用户实现个性化推荐结果,让每个用户更便捷地获取信息。它是根据用户的兴趣特点和购买行为,向用户推荐用户感兴趣的信息和商品。例如下列应用界面,淘宝和美团的“猜你喜欢”、腾讯的“猜你会追”、酷狗的“推荐”等都是推荐算法的应用。
二、推荐系统
推荐系统是能找出用户和物品之间联系的信息过滤系统。推荐系统有3个重要的模块:用户建模模块、推荐对象建模模块、推荐算法模块。推荐系统把用户模型中兴趣需求信息和推荐对象模型中的特征信息匹配,同时使用相应的推荐算法进行计算筛选,找到用户可能感兴趣的推荐对象,然后推荐给用户。
推荐系统主要有两个显著的特征:
(1)主动性:推荐系统不需要用户提供明确的需求,能够自主地通过分析用户和物品之间的关联数据进行建模,为用户提供可能感兴趣的信息。
(2)个性化:推荐系统能够挖掘冷门信息推荐给用户。热门物品通常能够代表大多数人的喜好,冷门物品往往只能代表少数人的个性化需求,但冷门物品所带来的收益可能超过热门物品,所以挖掘长尾冷门信息是推荐系统的方向。
总之,推荐系统推荐的物品通常来说不是对用户有帮助的,就是用户自己感兴趣的。
目前有关个性化推荐算法主要分为三大类:
(1)基于协同过滤的推荐;
(2)基于内容过滤的推荐;
(3)社会化推荐。