推荐系统,大家基本不会陌生。
哔哩哔哩在主页给用户推荐的视频,网易云的“每日音乐推荐”,游览网页时狗皮膏药似的电商广 告,都是推荐系统的实现形式。
关于个性化推荐的方法,这里大致总结一下。
-
基于KNN的协同过滤
应该是最常用的推荐算法。
通常分为两种:基于用户:根据用户的相似性,给特定用户推荐与他相似的用户所购买的商品;
基于商品:根据商品的相似性,给购买特定商品的用户推荐与之相似的商品。
参考链接1 -
关联算法
KNN里最常用来度量“相似性”的是相关系数,关联算法实际上是另一种可以用来度量“相似性”的方法
参考链接2 -
其它聚类算法
KNN本来就是聚类算法的一种,只是一直随着推荐系统被单独地提。
其它聚类算法,譬如kmeans、层次聚类法也可用于比较相似性。
参考链接3
个性化推荐很有用,因为它能把用户最需要的东西直接送到面前。但同时也存在一些问题:
内容的“固化”:给一个轻音乐死忠粉的人连续推荐100天的轻音乐,我相信他会听吐的。
信息的“茧房”:个性化推荐造成了用户接收信息的收窄,排除了很多潜在的但用户感兴趣的东西。
所以在个性化推荐以外,一定会有其它补充推荐方式,比如b站的“实时最热”、网易云的“热歌榜”、微博的热搜话题榜,将“大众化”作为“个性化”的补充。