一、推薦系統的目的
二、推薦系統的基本思想
三、推薦系統分類
1、根據實時性分類
2、根據推薦原則分類
3、根據資料來源分類
四、推薦演算法簡介
1、基於人口統計學的推薦
2、基於內容的推薦:利用使用者評價過的物品的內容特徵
3、基於協同過濾的推薦
基於使用者(user-cf)
基於物品(item-cf)
奇異值分解(svd)
潛在語義分析(lsa)
支撐向量機(svm)
5、混合推薦
五、推薦系統實驗方法
1、離線實驗
2、使用者調查
使用者調查需要有一些真實使用者,讓他們在需要測試的推薦系統上完成一些任務;我們需要記錄他們的行為,並讓他們回答一些問題;最後進行分析
在完成離線實驗和使用者調查後,可以將系統上線做ab測試
ab測試:通過一定的規則將使用者隨機分成幾組,對不同組的使用者採用不同的演算法,然後通過統計不同組的評測指標,比較不同演算法的好壞。
六、推薦系統評測指標
1、**準確度:是推薦系統最重要的離線評測指標
平均絕對誤差(mae):
均方根誤差(rmse):
精確率(precision):針對**結果而言,它表示**為正的樣本中有多少是真正的正樣本。那麼**為正就有兩種可能了,一種就是把正類**為正類(tp),另一種就是把負類**為正類(fp)
召回率(recall):針對原來的樣本而言,它表示的是樣本中的正例有多少被**正確了。那也有兩種可能,一種是把原來的正類**成正類(tp),另一種就是把原來的正類**為負類(fn)。
2、使用者滿意度:
3、覆蓋率:推薦系統推薦出來的物品佔總物品的比例。
4、多樣性:推薦系統需要能夠覆蓋使用者不同興趣的領域。
6、驚喜度:推薦的結果和使用者的歷史興趣不相似,但讓使用者滿意,這就是驚喜度很高
增加系統透明度
利用社交網路
8、實時性
10、商業目標
推薦系統簡介
社交網路 個性化閱讀 基於位置的服務 個性化郵件 離線實驗 步驟 通過日誌系統獲得使用者行為資料,並按照一定格式生成乙個標準的資料集 將資料集按照一定的規則分成訓練集和測試集 在訓練集上訓練使用者興趣模型,在測試集上進行 通過事先定義的離線指標評測演算法在測試集上的 結果。優點 不需要有對實際系統的...
推薦系統簡介
當使用者並不明確自己可能需要某些商品的時候,搜尋引擎的作用開始不那麼明顯,於是就需要推薦引擎來為使用者進行可能感興趣商品的推薦。如圖,推薦系統可以看作是乙個黑盒子,把使用者以及商品的一些資訊 作為輸入,它就能給相關使用者推薦他們可能會感興趣的商品。1.根據物件導向的不同 2.根據不同的資料來源 3....
推薦系統 簡介
一.簡介 推薦系統本質上是銷售系統的一部分。為了解決資訊過載和使用者無明確需求的問題,找到使用者感興趣物品,才有了個性化推薦。二.組成 推薦系統廣泛存在於各類 中,一般由三部分組成 基礎資料 推薦演算法系統 前台展示。基礎資料報括很多維度,包括使用者的訪問 瀏覽 下單 收藏,使用者的歷史訂單資訊,評...