推荐系统

推荐系统 – DW 组队学习 day1

基本概念介绍

1.1.1 Collaborative recommendation

这些系统的基本思想是：
如果用户在过去分享了相同的物品，即如果他们浏览或购买了相同的书籍，那么他们在未来也会有相似的品味。
基于此，如果用户A和用户B有着 *强烈重叠* 的购买历史，并且用户A最近购买了一本用户B至今没见过的书，基本原理就是把这本书也推荐给用户B。
因为选择这种对于用户B也有希望会对这本书也有兴趣的操作涉及从一个很大的集合中过滤出最有可能的书籍，
并且因为用户之间有着隐含地相互协同关系，这种技术也就被称之为collaborative filtering(CF) 协同过滤.	
** 在协同方法背景下出现的典型问题包括以下几个方面： **
-- 我们如何找到与我们需要推荐的用户有着相同品味的用户？
-- 如何度量相似性？
-- 对于新用户，即那些至今没有获取购买历史的人，我们应该如何去做？
-- 我们要如何处理至今没有任何人购买过的新商品？
-- 如果我们只有很少的评级可以利用呢？
-- 除了寻找相似的用户之外，我们还能使用什么其它技术来预测某个用户是否会喜欢某个产品呢？

纯CF方法不需要知道任何产品本身的一些特征。

1.1.2 Content-based recommendation

一般来说，推荐系统会有两种不同的目的。
一方面：它们可以用来刺激用户去做一些事情，比如买一本特定的书或者看一部特定的电影。
另