推荐系统

基于人口统计学推荐:

基于用户基本信息,找出用户相似度,根据“邻居”用户活动进行推荐

优点:无需用户历史数据,不存在冷启动问题

缺点:基于用户个人信息推荐不够精准,且用户私人信息难以获取

人——>人 推荐物

基于内容推荐:

核心思想是根据物品或内容的元数据,找到物品或内容的相关性,基于用户历史记录推荐相似物品

缺点:需要对物品进行分析建模,推荐质量依赖于对物品的建模完整程度。单考虑物品或内容并未考虑人的影响。

物——>物 推荐物

基于协同过滤推荐:

基于用户对信息的偏好,发现物品本身内容的相关性,或者是用户内容的相关性

基于用户的协同过滤推荐:

找出所有人的物品偏好,再对物品相似的人聚类,找出K-Neighbors进行推荐

和基于人口统计学推荐都是计算用户相似度,但是人口统计学只考虑用户本身特征

人——>物 推荐物

基于项目的协同过滤推荐:

使用所用用户对物品的偏好,发现物品与物品之间的相似度,再基于物品的相似度推荐给相似品味的用户

基于内容的推荐是只根据物品本身特性而基于项目协同过滤推荐包含客户历史数据

基于模型的协同过滤推荐:

对用户建模,实时预测客户喜好

 

 

  • 0
    点赞
  • 0
    收藏
    觉得还不错? 一键收藏
  • 0
    评论
评论
添加红包

请填写红包祝福语或标题

红包个数最小为10个

红包金额最低5元

当前余额3.43前往充值 >
需支付:10.00
成就一亿技术人!
领取后你会自动成为博主和红包主的粉丝 规则
hope_wisdom
发出的红包
实付
使用余额支付
点击重新获取
扫码支付
钱包余额 0

抵扣说明:

1.余额是钱包充值的虚拟货币,按照1:1的比例进行支付金额的抵扣。
2.余额无法直接购买下载,可以购买VIP、付费专栏及课程。

余额充值