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