第一章
1.1什么是推荐系统:
1.推荐系统的任务:推荐系统的任务就是联系用户和信息,一方面帮助用户发现对自己
有价值的信息,另一方面让信息能够展现在对它感兴趣的用户面前,从而实现信息消费者和信息生产者的双赢
2.推荐系统和搜索引擎:搜索引擎满足了用户有明确目的时的主动查找需求,而推荐系统能够在用户没有明确目的的时候帮助他们发现感兴趣的新内容。
3.推荐系统的3种方法:
1.社会化推荐(social recommendation),即让好友给自己推荐物品。
2.基于内容的推荐(content-based filtering)
3.基于协同过滤(collaborative filtering)
4.推荐系统本质:推荐算法的本质是通过一定的方式将用户和物品联系起来,而不
同的推荐系统利用了不同的方式,推荐系统就是自动联系用户和物品的一种工具,它能够在信息过载的环境中帮助用户发现令他们感兴趣的信息,也能将信息推送给对它们感兴趣的用户。
1.2个性化推荐系统的应用
1.推荐系统的形态:几乎所有的推荐系统应用都是由前台的展示页面、后台的日志系统以及推荐算法系统3部分构成的。
1.2.1亚马逊推荐系统:
主要包含以下几个方面:
1.推荐结果的标题、缩略图以及其他内容属性 告诉用户给他们推荐的是什么。
2.推荐结果的平均分 平均分反应了推荐结果的总体质量,也代表了大部分用户对这本书
的看法。
3.推荐理由 亚马逊根据用户的历史行为给用户做推荐
4.Fix this recommendation(修正这一推荐),包括Add to Cart(加入到购物车)、Add to Wish List(加入到心愿单)、Rate this item(给书打分)、 I own it(我已经有这本书了)和Not interested(对这本书没兴趣)
1.2.2Netflix–DVD租赁网站
包含一下几方面:
1.电影的标题和海报
2.用户反馈模块——包括Play(播放)、评分和Not Interested(不感兴趣)3种
3.推荐理由——因为用户曾经喜欢过别的电影
采用的算法为:基于物品的推荐算法,即给用户推荐和他们曾经喜欢的电影相似的电影
1.2.4社交网络
1.利用用户的社交网络信息对用户进行个性化的物品推荐;
2. 信息流的会话推荐;
3. 给用户推荐好友。
1.2.5个性化阅读
1.Google Reader允许用户关注自己感兴趣的人,然后看到所关注用户分享的文章。
2.Zite则是收集用户对文章的偏好信息,在每篇文章右侧,Zite都允许用户给出喜欢或不喜欢的反馈,然后通过分析用户的反馈数据不停地更新用户的个性化文章列表
3.Digg首先根据用户的Digg历史计算用户之间的兴趣相似度,然后给用户推荐和他兴趣相似的用户喜欢的文章
1.2.8个性化广告
1.上下文广告 通过分析用户正在浏览的网页内容,投放和网页内容相关的广告。代表系
统是谷歌的Adsense
2. 搜索广告 通过分析用户在当前会话中的搜索记录,判断用户的搜索目的,投放和用户
目的相关的广告。
3. 个性化展示广告 我们经常在很多网站看到大量展示广告(就是那些大的横幅图片),它们是根据用户的兴趣,对不同用户投放不同的展示广告。
推荐系统----笔记-第一章
最新推荐文章于 2023-08-22 12:35:49 发布