暑期实训开发日志10 机器学习推荐系统学习
推荐系统首先通过分析用户行为数据,建立用户偏好模型。然后使用用户兴趣匹配物品的特征信息,再经过推荐算法进行筛选过滤,找到用户可能感兴趣的推荐对象,最后推荐给用户。上述过程经过训练和验证最终形成推荐模型,可用于在线或离线推荐。同时,推荐结果在用户端的响应也作为输入数据,用于模型的迭代优化。
在本次实训中,我们想要找到与图片内容相似的最优的前几推荐,需要用到机器学习推荐系统相关知识。主要是利用
基于相似信息的推荐模型
,这类模型又叫做
协同过滤
。
推荐系统主要有以下模型