物品：關注物品集的屬性和特徵
使用者：關注使用者基本屬性，年齡，性別等
事務：使用者的行為記錄，分為顯示行為和隱式行為
推薦系統的分類
基於內容 （content-based）
為使用者推薦與過去興趣相似的物品，物品的相似性是基於被比較物品的特徵來計算的
協同過濾（cf：collaborative filtering）
找到與使用者相似的品味的使用者，將相似使用者過去喜歡的物品推薦給使用者
基於人口統計（demographic）
基於人口統計資訊，不同的人群對用不同的推薦
基於知識（knowledge-based）
根據特定領域的知識進行推薦，所謂知識就是關於確定物品哪些特徵能滿足使用者需要和偏好
基於社群
根據使用者「近鄰」的偏好進行推薦，也叫社會化推薦系統，利用使用者社會關係和「近鄰」的偏好推薦，結果基於使用者「近鄰」的評分等
混合推薦系統
不同推薦方法組合，例如協同過濾的冷啟動問題可以用基於內容的推薦彌補
推薦系統的評價標準
覆蓋率
冷啟動信心度
可信度新穎度
風險度驚喜度
如何讓推薦系統可信任，可解釋，有說服力
1. 透明度：說明系統如何工作
2. 可反饋性：允許使用者報錯
3. 信任：增加使用者對系統信心
4. 有效性：幫助使用者做好的決定
5. 說服力：說服使用者購買或嘗試
6. 高效性：幫使用者快速抉擇
7. 滿意度：增加使用者體驗舒適性和趣味
推薦系統 概述
好久沒有更新了！最近一直在研究推薦相關的知識，也算是有一點感悟吧，暫且打算寫一系列推薦入門的文章，一為分享，共同學習。二為對知識做乙個系統的整理。這是第一篇，不打算說太多關於技術的問題，我們就來隨便聊聊推薦系統，然後本篇文章也作為該系列的乙個導航文章吧！我想大家應該都對推薦系統不會陌生，不管你是逛 ...
推薦系統概述
利用使用者和物品的特徵資訊，給使用者推薦那些具有使用者喜歡的特徵的物品。利用使用者喜歡過的物品，給使用者推薦與他喜歡過的物品相似的物品。利用和使用者相似的其他使用者，給使用者推薦那些和他們興趣愛好相似的其他用 戶喜歡的物品。根據實時性分類 離線推薦 實時推薦 根據推薦原則分類 基於相似度的推薦 基於...
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...