推荐算法种类总结

(一)协同过滤(CF)大致可分为:基于邻域的推荐、基于模型的推荐

1.基于邻域的协同过滤有:

  • 基于用户的协同过滤:与用户A相似的用户B,推荐用户A喜欢的物品给B
  • 基于物品的协同过滤:推荐与用户A历史上喜欢的物品相近的物品

2.基于模型的推荐:使用部分机器学习算法,找出用户与项的相互作用模型,从而找出数据中的特定模式。

其中之前研究的NMF模型就是其中的一种,NMF属于基于模型的协同过滤算法的矩阵分解的一种方法,再推荐领域叫ALS(交替最小二乘),而NMF作为矩阵分解的非负的一种方法。

(二)基于内容的推荐:基于标签,标题,用户评价,浏览记录等推荐

(三)基于关联规则的推荐,购买X后,又购买Y的概率,进行推荐

(四)基于流行度推荐算法:这是一种推荐流行项的方法(例如最多下载、最多看过、最大影响的项)

(五)混合推荐:以上各种方法加权综合推荐

阅读更多

没有更多推荐了,返回首页