- 电子商务网站是个性化推荐系统重要地应用的领域之一
- -亚马逊就是个性化推荐系统的积极应用者和推广者,亚马逊的推荐系统深入到网站的各类商品,为亚马逊带来了至少30%的销售额。
- 不光是电商类,推荐系统无处不在。
- QQ好友推荐;新浪微博的你可能感兴趣的人;优酷,土豆的电影推荐;豆瓣的图书推荐;大众点评的餐饮推荐;世纪佳缘的相亲推荐;天际网的职业推荐等等。
思考:
----购买成功后:购买了该商品的其他用户购买了以下商品
根据用户的实时行动
----搜索成功后:您可能感兴趣的以下商品
根据用户的主观意识
----主页或广告:您可能感兴趣的以下商品
根据用户的特征向量
推荐系统——协同过滤(Collaborative Filtering)算法
----UserCF
基于用户的协同过滤,通过不同用户对物品的评分来评测用户之间的相似性,基于用户之间的相似性做出推荐。简单来讲就是:给用户推荐和他兴趣相似的其他用户喜欢的物品。
----ItemCF
基于item的协同过滤,通过用户对不同item的评分来评测item之间的相似性,基于item之间的相似性做出推荐。简单来说:给用户推荐和他之前喜欢的物品相似的物品。
--Co-occurrence Matrix(同现矩阵)和User Preference Vector(用户评分向量)
相乘得到的这个Recommended Vector(推荐向量)
--基于全量数据的统计,产生同现矩阵
体现商品间的关联性
每件商品都有自己对其他全部商品的关联性(每件商品的特征)
--用户评分相连体现的是用户对一些商品的评分
--任一商品需要:
用户评分向量乘以基于该商品的其他商品关联值
求和得出针对该商品的推荐向量
排序取TopN即可