推荐算法入门

推荐算法大致可以分为以下几类

• 基于流行度的算法
• 协同过滤算法（user-based CF and item-based CF）
• 基于内容的算法（content-based）
• 基于模型的算法
• 混合算法

1. 基于流行度的算法

可以按照一个项目的流行度进行排序，将最流行的项目推荐给用户。比如在微博推荐中，将最为流行的大V用户推荐给普通用户。微博每日都有最热门话题榜等等。
算法十分简单，通过简单热度排序即可。

文章> Predict Whom One Will Follow:Followee Recommendation in Microblogs中推荐好友有一部分采取的策略是Item-popularity.通过计算在训练集中项目（可以是人、群组、公众号）被接受的次数来得到项目的流行度信息。
文章> A Social and Popularity-based Tag Recommender通过结合标签的流行度和另据意见向用户推荐标签。

• 缺点：无法提供个性化推荐
• 优点：算法简单，对于新注册的用户比较有效
• 改进或者新的思路：加入用户分群的流行度排序，例如把热榜上的体育内容优先推荐给体育迷。这里是否可以考虑社区发现 聚类等算法？？

2.协同过滤算法

协同过滤算法(Collaborative Filtering, CF)是很常用的一种算法，在很多电商网站上都有用到。CF算法包括基于用户的CF(User-based CF)和基于物品的CF(Item-based CF)。

2.1 基于用户的CF