四种简单推荐算法背后的原理

四种简单推荐算法背后的原理

1. 基于人口统计的推荐

根据用户基本信息、用户收入、居住地区、学历、职业等各种因素进行分类，将商品推荐给同类用户。

比如：用户甲和用户乙的年龄相近、性别相同，可将他们划分为同类。用户甲喜欢商品A，推测用户乙也可能喜欢，系统就将商品A推荐给用户乙。

2. 基于商品属性的推荐

根据商品属性分类，然后根据商品分类进行推荐。

比如：电影A和电影B都是科幻、战争类型的，若用户甲喜欢电影A，推测他也可能喜欢电影B，系统就将电影B推荐给他。

3. 基于用户的协同过滤推荐

根据用户的喜好对用户进行分类，然后根据用户分类进行推荐。

比如：用户甲和用户乙都喜欢商品A和商品B，根据他们的喜好可分为同类。用户甲还喜欢商品C，那用户乙也可能喜欢商品C，系统就将商品C推荐给用户乙。

4. 基于商品的协同过滤推荐

根据用户的喜好对商品进行分类，然后根据商品分类进行推荐。

比如：喜欢商品A的用户甲和用户乙都喜欢商品B，那商品A和商品B就可以分为同类。对于同样喜欢商品A的用户丙，很有可能喜欢商品B，系统就将商品B推荐给用户丙。

小结

• 要做好推荐非常难，用户不要你觉得他喜欢，而要自己喜欢
• 推荐算法的优化需要不断地收集用户的反馈，不断的迭代算法和升级数据