推荐系统概述

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