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、