推荐系统中的机器学习

召回层算法

• 基于流行度（热门）的的算法

热门程度中的各种指标：点赞数、好评率、物品CVR（点击购买比）初步选出最合适的候选产品，这个可以解决冷启动的问题

• 基于用户的协同过滤

先找到和他有相似兴趣的其他用户，用户的点击率和评论是一样的，对行为偏好的分析相似性，

两者购买过的物品的交集除以两者的并集，或者两者物品的并集处以两者集合的乘积开根号

• 基于物品的协同过滤

相关物品的相似度similarity

• 基于内容的物品推荐

各种商品的内容标签相关的推荐，比如内特容

• 基于关联规则的物品偏好

Apriori和FP-Growth