背景
- 信息过载,用户需求不明确
- 强依赖于用户行为
工业界主流落地场景
- 信息流
- 电商
- o2oLBS
个性化召回算法协同过滤理论与理论升级
Item cf
- 给用户推荐他之前喜欢的物品相似的物品
- 如何衡量相似?
基于用户行为,如果喜欢2个物品的用户重合度越高,那么2个物品也就越相似。
- 如何衡量喜欢?
看用户是否真实点击,在电商场景下,更看重实际转化(实际消费购买);信息流场景下,更看重真实的点击(基于一定时长下的停留)
Item cf公式
根据用户行为计算出用户相似度矩阵:
- 分子:u(i)表示对item (i)有过行为的用户集合 ,u(j)表示对item (j)有过行为的用户集合 ,分子表示user的重合程度