1 基于人口统计学的推荐算法
1.1 用户画像
2 基于内容的推荐算法
2.1 相似度计算–余弦相似度
2.2 物品标签方式
2.3 基于内容推荐系统的高层次结构
2.4 特征工程
2.4.1 数值型特征处理
a.归一化
b.离散化
2.4.2 类别型特征处理
2.4.3 时间型特征处理
2.4.4 统计型特征处理
2.5 推荐系统常见反馈数据
2.6 基于UGC的推荐
3基于协同过滤的推荐算法
3.1 算法种类
3.2 与CB的区别
但无法解决冷启动问题
3.3 基于近邻的协同过滤
3.3.1 User-CF
3.3.2 Item-CF
用户较多时,物品较稳定,所以用item-cf
物品较多时,用户较稳定,所以用user-cf
3.3.3 两者比较
3.4 协同过滤优缺点
3.5 基于模型的协同过滤
3.6基于近邻V.S.基于模型
3.7 隐语义模型LMF
3.7.1 LMF降维方法—矩阵因子分解