推荐算法简介
-
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(Collaborative Filtering,CF)
-
基于近邻的协同过滤
基于用户(User-CF)
基于物品(Item-CF)
-
基于模型的协同过滤
奇异值分解(SVD)
潜在语义分析(LSA)
支撑向量机(SVM)
-
-
混合推荐
-
加权混合
-
切换混合
-
分区混合
-
分层混合
-
推荐系统实验方法
离线实验
用户调查
在线实验
-
AB测试
推荐系统评测指标
-
预测准确度
-
用户满意度
-
覆盖率
-
多样性
-
惊喜度
-
信任度
-
实时性
-
健壮度
-
商业目标
推荐准确度评测
评分预测
TOp-N推荐
准确率:正确分类的item数与总数之比
精确度:所有被检索到的item中,“应该被检索到的item占得比例
召回率:所有检索到的item占所有“应该检测到的item"的比例