机器学习:推荐系统
1 推荐系统分类
基于应用领域 | 基于设计思想 | 基于使用数据 |
---|---|---|
电子商务推荐 | 协同过滤 | 用户行为数据 |
社交好友推荐 | 基于内容 | 用户标签数据 |
信息内容推荐 | 基于知识 | 社交网络数据 |
搜索引擎推荐 | 混合推荐 | 上下文数据 |
2 推荐算法分类
分类 | 算法 | 理念 |
---|---|---|
基于客户需求的推荐 | 机器学习分类器模型 | 根据客户的属性、行为数据对客户的需求进行建模,预测客户行为 |
基于购物篮的推荐 | 关联规则 | 物品被同时购买的模式反映了顾客的需求模式 |
基于相似性的推荐 | 协同过滤 | 发现相似的⽤户或相似的物品 |
基于内容的推荐 | 规则或矩阵分解 | 发现⽤户某⼀细分领域的兴趣 |
3 协同过滤(Collaborating Filtering)
3.1 User-based CF 基于用户的协同过滤
3.1.1 用户偏好数据收集
用户行为 | 类型 | 特征 | 作用 |
---|---|---|---|
评分 | 显式 | 整数化的偏好,可能取值是[0, n] , n一般取值为5或者是10 | 通过对物品的评分,可以精确的得到用户的偏好 |
投票 | 显式 | 布尔量化的偏好,取值是0或1 | 通过用户对物品的投票,可以精确的得到用户的偏好 |
转发 | 显式 | 布尔量化的偏好,取值是0或1 | 通过用户对物品的投票,可以精确的得到用户的 |