機器學習推薦系統基礎筆記基礎一

推薦系統簡介

推薦系統的目的：

1. 針對資訊過載做出的系統
2. 解決如何從大量亻中找到自己感興趣的資訊
3. 解決如何讓自己生産的資訊脫穎而出，受到大衆的喜愛

目的：

1. 讓使用者更快更好的擷取到自己需要的内容
2. 讓内容更快更好的推送到喜歡它的使用者手中
3. 讓網站更有效的保留使用者資源
4. 好的推薦系統-----讓三方共赢

推薦系統的基本思想

推薦思想

1. 利用使用者和物品的特征資訊，給使用者推薦那些具有使用者喜歡的特征的和操。
2. 利用使用者喜歡過的物品，給使用者推薦與他喜歡過的和操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使用者喜歡的物品

思想

1. 知你所想，精準推送
2. 物以類聚
3. 人以群分

推薦系統的資料分析

1. 要推薦物品或内容的中繼資料，例如，關鍵字，分類标簽，基因描述等
2. 系統使用者的基本資訊，例如性别，年齡，興趣标簽等
3. 使用者的行為資料，可以轉化為對物品或者資訊的偏好，根據應用本身的不同，可能包括使用者對物品的評分，使用者檢視物品的記錄，使用者的購買記錄等，這些使用者的偏好資訊可以分為兩類
4. 顯式的使用者回報：這類是使用者在網站上自然浏覽或者使用網站以外，顯式的提供回報資訊，例如使用者對物品的評分，或者對物品的評論
5. 隐式的使用者回報：這類是用戾在使用網站時産生的資料，隐式的反應了使用者對和操的喜好，例如使用者購買了某物品，使用者檢視了某物品的資訊等等

推薦系統的分類

實時性分類

• 離線
• 實時

根據推薦是否個性分分類

• 基于統計的推薦
• 個性化推薦

根據推薦原則分類

• 基于相似度的推薦
• 基于知識的推薦

• 基于模型的推薦

  資料源分類

• 基于人口統計學的推薦
• 基于内容的推薦
• 基于協同過濾的推薦