推薦系統1

2021-06-10 10:07:35 字數 668 閱讀 6186

1、基於內容的推薦方法

基於內容的指推薦方法將會把與使用者過去曾經使用過或者喜歡的產品相似的產品推薦給使用者。這是出於同一使用者的歷史資料來推薦產品。

2、協同過濾的推薦方法

協同過濾推薦方法將會把與使用者的喜好相類似的其他使用者曾經使用或者喜歡的產品推薦給使用者,是根據使用者間的相似度來推薦產品。

3、綜合的推薦方法

綜合推薦方法是指把基於內容的推薦方法和協同過濾方法綜合起來使用,達到優化的推薦結果,同時避免了基於內容或者協同過濾的推薦方法的侷限性。

新的推薦系統使用的方法:

1、在傳統推薦系統方法中加入標籤資訊

與傳統推薦系統中使用使用者和產品一樣,新的推薦系統把標籤作為一種輸入,也加入到推薦系統的輸入元素中。

2、綜合推薦系統

綜合推薦系統中,將使用者可能喜歡產品、標籤以及其他相關資訊,或者有共同興趣愛好的使用者,推薦給此使用者

ps 個人理解

基於內容的推薦: 如果你喜歡這個那麼你可能也喜歡那個,因為它們兩個很像

協同過濾的推薦:你和人家都喜歡這個那麼你可能喜歡人家的喜歡的那個,因為你們倆很像

標籤推薦: 這個方法多了乙個輸入資訊——標籤。我告訴你我喜歡這一類的,屬於這一類的其他東西我可能也喜歡

(我倒不認為這是推薦系統的乙個演算法改進,這是人機互動的改善。人類願意告訴電腦一些簡短有用的資訊,我相信你可以明白)

推薦系統(1) 推薦系統概述

推薦系統是主動從大量資訊中找到使用者可能感興趣的資訊的工具。推薦系統的核心問題是如何實現推薦個性化 如何向使用者推薦匹配度高的產品 商品 或專案,本質是通過一定的方式將使用者和專案聯絡起來。自從xerox palo alto研究中心於1992年研發出了基於協同過濾的實驗系統tapestry以來 主要...

推薦系統(1)

電影 愛情劇情 科幻戰爭 中國日本 南韓美國黑豹0 1110 001霍位元人01 0100 01從你的全世界路過11 0010 00復仇者聯盟401 1100 01其中0代表不屬於標籤特徵,1代表屬於標籤特徵 假設現有使用者a,使用者a喜歡物品c,則基於內容的推薦系統演算法會將與物品c相似的物品推薦...

推薦系統(1)

主要思想 向顧客 x 推薦與之前被 x 高度評價的商品相似的商品 步驟item presentation 為每個item抽取出一些特徵來表示此item item profile 文字挖掘常用啟發式方法 tf idf profile learning 典型的監督分類問題 利用乙個使用者過去喜歡 不喜歡...