推荐系统的分类的通俗理解

一、基于实时性分类
实时推荐：可以加入spark、storm等组件
离线推荐：haoop生态系统就可以实现
二、基于推荐原则分类
基于相似性：可以计算用户的相似性，物品的相似性，根据值得大小进行推荐
基于知识：根据经验，一套约定俗成的规则，比如程序猿喜欢大长腿之类
基于模型：分为训练集和测试集，相当于依据数据学习一套规则
三、基于数据源分类
基于人口统计学（即基于用户）：根据用户信息诸如年龄，爱好之类信息计算相似度
基于物品的推荐：给物品打上标签属于哪类，再计算相似度
基于协同过滤：根据行为信息，如购买，浏览等，计算相似度
四、混合推荐
加权混合：按照线性公式将不同的推荐按照一定权重混合起来，具体权重的值需要在测 试集上反复实现，达到最好的推荐结果
切换混合：按照不同的情况，选择最为合适的推荐计算引擎
分区混合：采用多种推荐机制，并且将不同的推荐结果分不同的区显示给用户
分层混合：采用多种推荐机制，将一种推荐结果作为另外一个的输入，从而综合各种结果