推荐系统算法简介

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)

  1. 基于近邻的协同过滤

  基于用户（User-CF)

  基于物品（Item-CF)

  1. 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

  1. 加权混合

  2. 切换混合

  3. 分区混合

  4. 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