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
推荐系统的分类的通俗理解
最新推荐文章于 2022-08-27 11:57:44 发布