推荐系统 --- 推荐算法 --- 基于知识的推荐算法

基于知识的推荐方法

• 基本思想
  • 通过交互、会话等方式直接了解到用户需求（“问”），然后再寻找匹配的视频（“找”）
• 解决思路
• 优点
  • 不存在冷启动的问题
  • 由于与用户存在互动，用户偏好发生改变时不需要任何训练
• 缺点
  • 知识获取比较困难
  • 用户必须说明他的需求，系统才能够做出推荐，在这个过程中若找不到合适的推荐视频，用户需要修改其需求

约束知识和约束推荐算法

• 概述
  • 主要面向人工智能，构建if-else推荐规则
• 算法流程
  • 输入
    • 目标用户 u 的特定需求
  • 输出
    • 针对目标用户 u 的推荐列表
  • 需要解决的问题
    • 创建推荐任务
    • 推荐任务的解决，如果找不到，需要修改约束条件
      • 冲突集
      • 诊断集
        • 删除约束条件，冲突解决
        • 否则，寻找最小冲突集和诊断集，跳转到第一步
  • 流程
    • 建立针对目标用户 u 的特定需求的推荐任务
    • 对物品集合 I 进行以集合 R 为选择标准的合取查询，若非空，跳转到第6步，若为空，跳转到第3步
    • 检测集合R中最小的冲突集CS
    • 针对最小冲突集CS创建最小诊断集
    • 建立针对目标用户 u 的特定需求的推荐任务
    • 创建针对目标用户 u 的推荐列表

关联知识与关联推荐算法

• 概述
  • 利用数据挖掘理论构建基于数据规律的自动学习的推荐规则
• 算法
  • 频繁项挖掘：Apriori
    • DHP算法
    • Tree Projection算法
    • FP-tree算法
    • 等等
• 算法流程
  • 输入
    • n 个用户画像
  • 输出
    • 针对目标用户 u 的Top-N推荐列表
  • 流程
    • 从系统中的 n 个用户画像挖掘出所有的强关联规则，建立集合 P 以表示目标用户 u 尚未观看但极可能感兴趣的视频
    • 再次使用置信度对集合 P 中的视频进行高低排序
    • 取出排序列表中的前 N 个视频构成 Top-N推荐列表