评分是一种提供反馈的典型方法,但是不容易采集;隐式反馈不像评分清晰明了,但更容易采集。
推荐系统的基本思想就是利用这些不同来源的数据推断顾客的喜好。
推荐系统面向的对象是用户,推荐的产品是物品。
由于用户曾经的兴趣喜好通常预示着未来的选择,推荐分析也通常是基于先前用户与物品之间的关系。但有一特例,基于知识的推荐系统是根据用户指定需求而非历史记录进行推荐。
以用户为中心的活动和以物品为中心的活动之间存在显著的依赖关系。在很多情况下,不同类别的物品可能显示出明显的相关性。
这些关联可用数据驱动方式从评分矩阵中学习得到,产生模型用来预测目标用户的行为。例如,大量用户的购买信息或评分行为可以用于对用户的聚类,使得对相似产品感兴趣的用户被归为一组,同类群体的爱好与行为可用来为组内个体推荐。