个性化push推荐系统架构和经验分享 （二）

这篇文章主要说下我们在个性化推荐策略的选择、实践和总结，没有太多机器学习方面的东西，就是简简单单说说大概的做法。

推荐系统主要方法：

1. 协同过滤(Collaborative Filtering)

      User based collaborative filtering  &item based collaborative filtering
   

2. 基于人口统计学得过滤(Demographic Filtering)

    --年龄、性别、工作、学历、居住地、国籍、名族。。
   

3. 内容过滤(Content-based Filtering)

    --内容相似
   

4. 社会化过滤(Social Filting or socail Recommendation)

     --社交网络
   

5. 基于位置的过滤(Location-based Filteing)

首先我们要说下的内容过滤（content-based filtering）,这个推荐方法核心就是视频内容的相似度。

具体过程如下：

1、构建向量空间模型

a、抽取视频keyword b、利用TF-IDF得到keyword weigth
令wi是视频Dj的第i个keyword的权重(weigth).视频(video)的向量空间模型(Vector Space Model):
Video(Dj)=(w1j,w2j,……)