一.推荐算法
基于内容、基于协同过滤、混合推荐算法。
二.详细介绍
1.基于内容
根据用户之前的行为内容数据,找到相关的内容进行推荐。
解决的问题:用户冷启动。
扩展:
(1)用户冷启动:如何对新用户做个性化推荐。
(2)物品冷启动:如何将新物品推荐给对它感兴趣的用户。
(3)系统冷启动:如何对新开发的系统设计个性化推荐。
2.基于协同过滤
依靠用户的历史交互行为结合其他用户的历史决策建立推荐模型综合用户对物品的评价,从预测评分中看出用户对物品的感兴趣程度。
2.1基于用户的协同过滤
2.2基于物品的协同过滤
2.3基于模型的协同过滤
常见的算法:回归、矩阵分解、关联规则、分类、聚类、神经网络、图模型、隐语义模型。
2.4基于聚类的协同过滤
(1)分类:基于划分(Partition-based methods)、基于密度(Density-based methods)、层次聚类。
(2)算法:K-Means、DBSCAN、BIRCH。
(3)详细介绍:
<1>Partition-based methods:给定一个有n个对象的数据集,划分聚类技术将数据k个划分,每一个划分代表一个簇。k<=n。
<2>K-Means:
步骤:首先选取k个对象作为初始的簇中心;依次计算每个对象到各个簇的距离;然后根据计算出的距离值进行分簇,同时计算出每次分簇之后的平均值;最后依次迭代,直到准则函数收敛,也即迭代时未出现重新分配。
举例: