基于流行度的推荐算法
基于流行度的算法非常简单粗暴,类似于各大新闻、微博热榜等,根据PV、UV、日均PV或分享率等数据来按某种热度排序来推荐给用户。
注:独立访客(UV)、访问次数(VV)两个指标有什么区别?
① 访问次数(VV):记录1天内所有访客访问了该网站多少次,相同的访客有可能多次访问该网站,且访问的次数累加。
② 独立访客(UV):记录1天内所有访客访问了该网站多少次,虽然相同访客能多次访问网站,但只计算为1个独立访客。
③ PV访问量(Page View):即页面访问量,每打开一次页面或者刷新一次页面,PV值+1。
-
优点:该算法简单,适用于刚注册的新用户
-
缺点:无法针对用户提供个性化的推荐
-
改进:基于该算法可做一些优化,例如加入用户分群的流行度进行排序,通过把热榜上的体育内容优先推荐给体育迷,把政要热文推给热爱谈论政治的用户。
汤普森采样
基于协同过滤的推荐算法(UserCF与ItemCF)
基于内容的推荐算法
基于模型的推荐算法
基于混合式的推荐算法
本文对于推荐系统算法的分类来自:https://blog.csdn.net/Vensmallzeng/article/details/101343117