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