推荐系统五大问题

本文探讨了推荐系统面临的五大问题:缺少数据、变化的数据、变化的用户喜好、无法预测的事物以及系统的复杂性。强调了数据量、时间敏感性、用户目的变化等因素对推荐效果的影响,并提出社会化推荐可能是解决部分问题的途径。尽管推荐系统复杂,但Amazon、Netflix等成功案例表明,通过不断优化,可以提供满意的推荐服务。
摘要由CSDN通过智能技术生成

本文翻译于互联网观察媒体“读写网”在2009年初发布的一篇文章
读写网在2009年初的时候编辑了一系列针对推荐系统的文章,在荷兰阿姆斯特丹举办的一次专门针对推荐系统的兴趣小组会议上,一些公司提出了实施和建设推荐系统需要面对的几个问题,本文针对这些问题,进行了初步的分析。在此与大家分享:

1. 缺少数据

对于推荐系统来说,可能最大的问题就是需要大量的数据才能产生推荐结果。这也是为什么那些表现最突出的推荐系统都是来自于有数据的大公司,比如Google,Amazon,Netflix,Last.fm。正如Strands公司在他的演讲中提到的那样,一个好的推荐系统首先要获得内容数据,接着必须获得和分析用户数据(行为事件),最后才是算法的工作。内容和用户数据越多,获得好的推荐的比率就会越高。但是这也是一个“鸡和蛋”的问题——推荐系统的目的就是带来更多的用户点击和购买,而好的推荐系统需要大量的用户,你才能为推荐系统提供需要的数据。

2. 变化的数据

这个问题曾经被智能推荐系统公司 Clicktorch CEO Paul Edmunds在以前的文章评论中提到过,Paul 指出推荐系统常常充斥着老的内容,而很难推荐出新的东西。时尚发烧友社区

评论
添加红包

请填写红包祝福语或标题

红包个数最小为10个

红包金额最低5元

当前余额3.43前往充值 >
需支付:10.00
成就一亿技术人!
领取后你会自动成为博主和红包主的粉丝 规则
hope_wisdom
发出的红包
实付
使用余额支付
点击重新获取
扫码支付
钱包余额 0

抵扣说明:

1.余额是钱包充值的虚拟货币,按照1:1的比例进行支付金额的抵扣。
2.余额无法直接购买下载,可以购买VIP、付费专栏及课程。

余额充值