一 推荐系统的组成
几乎所有的推荐系统应用都是由前 台的展示页面、后台的日志系统以及推荐算法系统3部分构成的
1. 展示页面:
1.1 推荐结果的标题、缩略图以及其他内容属性 告诉用户给他们推荐的是什么。
1.2 推荐结果的平均分 平均分反应了推荐结果的总体质量,也代表了大部分用户对这本书 的看法。
1.3 推荐理由
1.4 收集反馈信息
3.推荐算法系统:
基于内容推荐
协同过滤推荐:仅仅基于用户行为数据设计的推荐算法一般称为协同过滤算法
基于邻域的方法(neighborhood-based)、隐语义模型
(latent factor model)、基于图的随机游走算法
基于邻域的方法分为:
基于用户的协同过滤算法 这种算法给用户推荐和他兴趣相似的其他用户喜欢的物品。
基于物品的协同过滤算法 这种算法给用户推荐和他之前喜欢的物品相似的物品。
基于关联规则推荐
基于效用推荐
基于知识推荐
组合推荐
基于邻域的方法详情参考:https://blog.csdn.net/hhjhh76/article/details/81781707
基于物品的协同过滤算法 这种算法给用户推荐和他之前喜欢的物品相似的物品。
算法主要包括两个步骤:
计算物品之间的相似度,得到与某物品相似的一个物品集合(该集合元素的个数需要结合实际做合适的选择),然后对该集合过滤掉目标推荐用户之前没有购买过的物品,最后将集合剩下的各个物品与目标推荐物品的相似度*用户对该物品的评分求和(sum(相似度*评分))。
用户U1购买了a,b,c,用户U2购买了a,b,c,e,f,,用户U3购买了a,e 举例说明:
a:U1,U2 ,U3 b:U1,U2 c:U1,U2 e:U2,U3 f:U2
计算用户U对一个物品的兴趣