推荐系统算法介绍（二）

推荐系统算法介绍（二）——基于人口统计学的推荐算法

1.1基于人口统计学的推荐算法简介

我们拿到的是用户的一些基本信息，或者根据用户的上下文信息得到用户的标签，这些标签就属于用户的特征，根据用户的特征可以找到跟用户相似的用户。相似的用户具有相似的爱好，所以把物品推荐给用户。
最重要的信息就是用户的基本信息，如年龄，性别。
没有用户基本信息，还可以收集没有明确含义的用户信息，如用户登录时间，地域等上下文信息，因为没有明确的含义，那怎么办呢？一般通过聚类等方法，去做数据的处理，提取出用户的特征，给用户打上分类的标签，那用户就又有特征了，又可以根据用户的特征去做相似的推荐了。如果说我们已经找到特定标签的用户了，我们就可以根据预设的规则，或者训练出一个模型，去对用户做出推荐，比方预设的规则是，统计出一类人是画家，就给他推荐画板，油纸，素描纸，马克笔。用一个模型去发现规律，用标签去做这个事情。用户如果打上标签，这个过程叫用户画像。信息少，是用户画像最大问题。冷启动的时候，勾选标签。如果收集不到那么多用户信息，画像不好。收集用户的行为数据。

用户画像（User Profile）

收集用户社会属性，生活习惯，用户消费行为，抽象出一个用户的商业全貌。大数据分析的根基。大数据比你更懂你。