推荐系统的分类方式有很多种,在不同的资料中也给出了不同的分类方式。
我们可以获得的数据总体来说有三种:用户的信息,物品的信息,和用户的行为信息。按照获得数据的不同也可以将推荐系统分为三种:(1).基于人口统计学的推荐。(2).基于内容的推荐。(3).基于协同过滤的推荐。
基于人口统计学的推荐
当我们拿到用户的一些标签信息时,我们可以采用基于人口统计学的推荐,根据用户的特征可以找到与目标用户相似的用户,再根据相似用户的喜好对目标用户进行推荐。
·基于人口统计学的推荐机制(Demographic-based Recommendation)是一种最易于实现的推荐方法,它只是简单的根据系统用户的基本信息发现用户的相关程度,然后将相似用户喜爱的其他物品推荐给当前用户
·对于没有明确含义的用户信息(比如登录时间、地域等上下文信息),可以通过聚类等手段,给用户打上分类标签
·对于特定标签的用户,又可以根据预设的规则(知识)或者模型,推荐出对应的物品。
用户信息标签化的过程一般被称为用户画像。
基于内容的推荐算法
当拿到物品的基本信息时,可以计算物品的相似度来进行推荐。
. Content-based Recommendations (CB)根据推荐物品或内容的元数据,发现物品