【推荐算法】入门介绍

问题：

• 稀疏性
• 冷启动

一、常用推荐算法条件

• 和你有共同喜好的人来给你推荐
• 根据你喜欢的物品找出和它相似的来给你推荐
• 根据你给出的关键字来给你推荐，实际退化成搜索算法
• 根据上面的几种条件组和起来给你推荐

二、常用的推荐算法

2.1 基于流行度的推荐算法

基于流行度的推荐比较粗暴，主要是对热点商品或者信息的推荐。主要是根据PV、UV、日均PV或分享率等数据来按某种热度排序来推荐给用户。
优点： 简单，适用于新注册的用户，解决冷启动问题；
缺点： 无法针对用户提供个性化的推荐；优化方法：加入用户分群的流行度排序，如把热榜上的体育新闻推荐给体育迷

2.2 基于内容的推荐算法

根据推荐物品或内容的元数据，发现物品或内容的相关性，再基于用户以往的喜好记录，推荐给用户相似的物品。这种推荐系统多用于一些资讯类的应用上，针对文章抽取一些tag作为其关键字，继而通过这些tag来评价两篇文章的相似度。
优点：
1、已于实现，不存在稀疏性和冷启动性；
2、不存在过度推荐问题。
缺点：
1、抽取的tag需保证其准确性并具有实际意义，否则难以保证推荐结果的相关性，tag提取工作量大；
2、