推荐系统实践--基于邻域的社会化推荐算法

本文链接：https://blog.csdn.net/keyue123/article/details/87370575
  今年抖音非常火爆和流行，我们在刷抖音的时候，经常会发现给我们刷到自己微信或者是抖音好友喜欢的小视频，这里很多人都就会很好奇，抖音怎么知道这些人是我的好友，甚至知道我和好友的兴趣就一样呢，这就有了基于社交网络数据的推荐算法。ps:抖音的推荐是多种算法实现的，基于社交网络数据应该只是其中的一个分支。

社会化推荐之所以受到很多网站的重视，是缘于如下优点：
    1. 好友推荐可以增加推荐的信任度 好友往往是用户最信任的。用户往往不一定信任计算机的智能，但会信任好朋友的推荐。同样是给用户推荐《天龙八部》，前面提到的基于物品的协同过滤算法会说是因为用户之前看过《射雕英雄传》，而好友推荐会说是因为用户有8个好友都非常喜欢《天龙八部》。对比这两种解释，第二种解释一般能让用户更加心动，从而购买或者观看《天龙八部》。
    2. 社交网络可以解决冷启动问题 当一个新用户通过微博或者抖音账号登录网站时，我们可以从社交网站中获取用户的好友列表，然后给用户推荐好友在网站上喜欢的物品。从而我们可以在没有用户行为记录时就给用户提供较高质量的推荐结果，部分解决了推荐系统的冷启动问题。
  当然，社会化推荐也有一些缺点，其中最主要的就是很多时候并不一定能提高推荐算法的离线精度（准确率和召回率）。特别是在基于社交图谱数据的推荐系统中，因为用户的好友关系不是基于共同兴趣产生的，所以用户好友的兴趣往往和用户的兴趣并不一致。