推荐系统的目的
-
让用户更好更快的获取到自己需要的内容
-
让内容更快更好的推送到喜欢它的用户手中
-
让网站更有效的保留用户资源
推荐系统基本思想
-
利用用户和物品的特征信息,给用户推荐那些具有用户喜欢的特征的物品
-
利用用户喜欢过的商品,给用户推荐与他喜欢过的物品相识的物品
-
利用和用户相识的其他用户,给用户推荐那些和他们兴趣爱好相识的其他用户喜欢的物品
推荐系统的数据分析
用户:个人信息、喜好标签、上下文信息
物品:内容信息、分类标签、关键词
用户的行为数据:可以转化为对物品或者信息的偏好,根据应用本身的不同,可能包括用户对物品的评分,用户查看物品的记录,用户的购买记录等。这些用户的偏好信息可以分为两类:
-
现实的用户反馈:这类是用户在网站上自然浏览或者使用网站以外,显式的提供反馈信息,例如用户对物品的评分或者对物品的评论
-
隐式的用户反馈:这类是用户在使用网站时产生的数据,隐式的反映了用户对物品的喜好,例如用户购买了某商品,用户查看了某物品的信息等等
推荐系统的分类
根据实时性分类:
-
离线推荐
-
实时推荐
根据推荐是否个性化分类:
-
基于统计的推荐
-
个性化推荐
根据推荐原则分类
-
基于相似度的推荐
-
基于知识的推荐
-
基于模型的推荐
根据数据源分类
-
基于人口统计学的推荐
-
基于内容的推荐
-
基于协同过滤的推荐