目的:推薦相似物品，相似使用者。
user_based:
1.計算使用者相似度，得到當前使用者的相似使用者。
根據使用者對物品的偏好得到使用者向量，根據向量計算相似度。
2.根據鄰居的相似度權重，把其他使用者的喜愛物品推薦給當前使用者。
item_based:
1.計算物品相似度。
將所有使用者對某個物品的偏好作為乙個向量來計算物品之間的相似度，
2.根據使用者歷史偏好，推薦相似物品。
item_based用的較多，因為user_based稀疏性問題較大。
首先構建user item矩陣，然後計算相似度。
fm召回：取特徵向量
多興趣召回
autoint
transformer在美團中的應用
推薦系統相關技術
推薦演算法是推薦系統的核心，但為了產生精確而且有效的推薦，越來越多的技術融合到推薦系統的研究中，然後提出各種不同的推薦演算法。目前在推薦系統中應用的核心技術包括 1 資訊檢索技術 ir 推薦系統根據使用者需求，搜尋產品類別資料庫，然後返回使用者需要的資訊，其搜尋過程可以實時進行，也可以定期執行，同時...
推薦系統相關演算法 SVD
假如要 zero君對一部電影m的評分，而手上只有zero君對若幹部電影的評分和風炎君對若幹部電影的評分 包含m的評分 那麼能 出zero君對m的評分嗎？答案顯然是能。最簡單的方法就是直接將 分定為平均分。不過這時的準確度就難說了。本文將介紹一種比這個最簡單的方法要準上許多，並且也不算複雜的演算法。s...
推薦系統主題相關資料
推薦系統中隱語義模型 項亮的博士 項亮的書 推薦系統實踐 lda和gibbs sampling 用矩陣乘法間接 使用者對item的興趣 前提 知道item所屬類別 屬於該類別的概率 及使用者對類別的興趣或評分，兩者相乘得到使用者對item的興趣 這似乎與矩陣分解正好相反，是否是一種可行的思路？了解一...