1.背景
推荐系统是利用网站向客户提供商品信息和建议,帮助用户决定应该购买什么产品,模拟销售人员帮助客户完成购买的过程。而个性化推荐是根据用户的兴趣特点和购买行为,向用户推荐用户感兴趣的信息和商品。
2.分类
推荐系统(Recommender System, RS)是向用户建议有用物品的软件工具和一种技术。RS分为个性化推荐和非个性化推荐两大类:
- 个性化推荐是指基于用户对商品的偏好信息来进行其它商品的推荐。
- 非个性化推荐一般是指将热销商品进行推荐(eg: Top10的商品推荐)。
3.模型
4.结构
5.框架
6.算法
基础算法/baseline algorithms
• 协同过滤算法(基于近邻算法)/neighborhood methods
• 矩阵分解算法/matrix factorization-based(SVD, SVD++, NMF)
7.评估
可以将推荐系统的运行过程看成一个回归问题或者分类问题,所以可以通过类似的分类/回归相关指标进行衡量,主要包括:
• 均方误差(MSE)
• 均方根误差(RMSE)
• 平均绝对误差(MAE)
• 一致序列对比率评分(FCP)
• 准确率(Precision)
• 召回率(Recall)
• ROC曲线(TPR/FPR)
• 覆盖率、 多样性、 新颖性、惊喜度、实时性、商业目标等