推荐系统学习笔记1

使用书籍：《Recommender Systems：An Introduction》

第一章：引言

1.1 本书第一部分：基本概念

一般来说，推荐系统的两个目的：激发用户去做某件事；当作解决信息过载的工具

1.1.1 协同过滤推荐

• 基本思想：如果用户在过去有相同的偏好，那么他们在未来也会有相似的偏好。（从与该用户偏好重叠的用户中做选择，用户隐式地与其他人相互协作
• 优势：因为纯粹的协同过滤不使用与物品相关的知识，所以就不需要获取/维护这些数据；利用这种特征推荐到的物品与已有的物品相似，可能会更有效

1.1.2 基于内容的推荐

推荐系统也植根于信息检索和信息过滤（区分文档相不相关）

• 核心：得到物品的描述和这些特征的重要记录（用户记录也要抽取或学习
• 优势：不需要大规模用户就可达到适度的推荐精度；一旦得到物品的属性就可以立刻进行推荐

1.1.3 基于知识的推荐

当单次购买者大规模出现时，可能无法以来购买记录，因此无法用前两者的方法。基于约束的推荐属于此类系统。这种方法也同样需要维护用户记录。

• 基本思想：用到有关用户和有效物品的额外信息（一般由人工提供
• 特点：更注重用户交互，要能在个性化的问答中摸索用户真正的偏好

1.1.4 混合推荐方法

• 基本思想：既有群体知识，又有详尽的物品信息，则可以把基于内容的技术(content-based techniques)与协同或社会化过滤技术(collaborative or social filtering)相混合，来增强推荐效果。
• 优势：克服纯粹协同方法的规模膨胀问题，可以依赖内容分析处理新物品或新用户

1.1.6 评估推荐系统

如何实际衡量推荐系统所给建议的质量