个性化推荐系统--个性化召回算法总结与评估方法的介绍（6-1）

一、个性化召回算法的总结

这里会将之前介绍过的几种算法进行归类，并简短介绍每一种个性化召回算法的核心原理；同时演示工业界中多种召回算法共存的架构。

下面看一下之前讲过的个性化召回算法的分类：

1. 基于邻域的：CF、LFM、基于图的推荐personal rank

item-CF是item根据user的贡献，得到item的相似度矩阵，用户根据点击过的item的相似item来完成推荐。

user-CF是user根据item的贡献，得到user的相似度矩阵，用户将根据相似用户点击过的物品完成自己的推荐。

LFM是根据user-item矩阵，将矩阵分解，从而得到user与item的向量，将两个向量点乘得到的数值取top k 便完成了推荐。

psersonal rank是根据user与item的二分图，在这个二分图之间随机游走，便得到物品对固定用户的倾向度，把这个倾向度得分叫做PR值。那么取PR值得top k也就完成了用户的推荐。

2. 基于内容的：content-base算法