一、基於內容的：根據使用者以前買過的商品來推薦相似的商品。比如使用者以前給一部喜劇電影打了高分，那麼系統就會推薦給你這個類別的電影。
二、協同過濾：根據使用者過去的購買記錄尋找口味相似的使用者，給某個使用者推薦和他口味相似使用者的打分高的商品。
三、基於人口統計學的：根據使用者的母語、國籍、年齡對他們進行分類，從而導向這個類別可能會喜歡的商品。比如給小孩推薦玩具，給年輕人推薦啤酒。
四、基於知識的：根據使用者對需求的描述以及推薦系統對問題的解決來進行評分。
五、基於社群的：社交網路上的好友的推薦，由於是好友的推薦，所以使用者更容易去相信。
六、混合方法的：就是把以上幾種方法進行結合的推薦系統，揚長避短。
python kNN基礎演算法 分類和推薦系統
1 k 近鄰演算法是分類資料最簡單最有效的方法。2 在將資料輸入到分類器之前，必須將待處理資料的格式改變為分類器可以接受的格式。3 所有的推薦模型都可以使用這個演算法，只要將結果量化就行了，主要是要考慮權重的設計。coding utf 8 數字型聚類分析 from numpy import impo...
推薦演算法分類
1 item based collective filtering 總結 物以類聚 很多 的核心演算法之一 原因 item的增長速度遠小於user的增長速度 方法 離線計算item的相似度矩陣供線上使用 缺點 由於基於item的相似性，故推薦的item相似，缺乏多樣性 2 user based co...
推薦系統實踐 好的推薦系統
一 好的推薦系統 1.什麼是推薦系統 從某種意義上說，推薦系統和搜尋引擎對於用語來說是兩個互補的工具。搜尋引擎滿足了使用者有明確目的時的主動查詢需求，而推薦系統能夠在使用者沒有明確目的的時候幫助他們發現感興趣的內容。分為社會化推薦，基於內容的推薦和基於協同過濾的推薦。目前廣告投放的技術主要分三種 上...