個性化推薦系統簡介

個性化推薦系統簡介

　　個性化推薦是根據使用者的興趣特點和購買行為，向使用者推薦使用者感興趣的資訊和商品。随着電子商務規模的不斷擴大，商品個數和種類快速增長，顧客需要花費大量的時間才能找到自己想買的商品。這種浏覽大量無關的資訊和産品過程無疑會使淹沒在資訊過載問題中的消費者不斷流失。為了解決這些問題，個性化推薦系統應運而生。個性化推薦系統是建立在海量資料挖掘基礎上的一種進階商務智能平台，以幫助電子商務網站為其顧客購物提供完全個性化的決策支援和資訊服務。購物網站的推薦系統為客戶推薦商品, 自動完成個性化選擇商品的過程, 滿足客戶的個性化需求, 推薦基于:

　　網站最熱賣商品

　　客戶所處城市

　　客戶過去的購買行為和購買記錄, 推測客戶将來可能的購買行為

　　在電子商務時代, 商家通過購物網站提供了大量的商品, 客戶無法一眼通過螢幕就了解所有的商品,也無法直接檢查商品的品質. 是以,客戶需要一種電子購物助手,能根據客戶自己的興趣愛好推薦客戶可能感興趣或者滿意的商品

上面主要說的是電子商務推薦系統，其實其它的推薦系統的描述是差不多的。

推薦系統的主要算法有：

　　（1） 基于關聯規則的推薦算法（Association Rule-based Recommendation）

           關于關聯規則的推薦算法，可以 參考利用orange進行關聯規則挖掘

　　（2） 基于内容的推薦算法 (Content-based Recommendation)

　　内容過濾主要采用自然語言處理、人工智能、機率統計和機器學習等技術進行過濾。

　　通過相關特征的屬性來定義項目或對象,系統基于使用者評價對象的特征學習使用者的興趣,依據使用者資料與待預測項目的比對程度進行推薦，努力向客戶推薦與其以前喜歡的産品相似的産品。如新聞討論區過濾系統News Weeder。

　　基于内容過濾的系統其優點是簡單、有效。其缺點是特征提取的能力有限，過分細化，純基于内容的推薦系統不能為客戶發現新的感興趣的資源,隻能發現和客戶已有興趣相似的資源。這種方法通常被限制在容易分析内容的商品的推薦，而對于一些較難提取出内容的商品，如音樂CD、電影等就不能産生滿意的推薦效果。

　　（3） 協同過濾推薦算法 （Collaborative Filtering Recommendation）

　　協同過濾是在資訊過濾和資訊系統中正迅速成為一項很受歡迎的技術。與傳統的基于内容過濾直接分析内容進行推薦不同，協同過濾分析使用者興趣，在使用者群中找到指定使用者的相似（興趣）使用者，綜合這些相似使用者對某一資訊的評價，形成系統對該指定使用者對此資訊的喜好程度預測。

　　與傳統文本過濾相比，協同過濾有下列優點:

　　1）能夠過濾難以進行機器自動基于内容分析的資訊。如藝術品、音樂;

　　2）能夠基于一些複雜的，難以表達的概念（資訊品質、品位)進行過濾;

　　3）推薦的新穎性。 正因為如此，協同過濾在商業應用上也取得了不錯的成績。Amazon，CDNow，MovieFinder，都采用了協同過濾的技術來提高服務品質。

　　缺點是:

　　1）使用者對商品的評價非常稀疏，這樣基于使用者的評價所得到的使用者間的相似性可能不準确（即稀疏性問題）;

　　2）随着使用者和商品的增多，系統的性能會越來越低（即可擴充性問題）;

　　3）如果從來沒有使用者對某一商品加以評價，則這個商品就不可能被推薦（即最初評價問題）。是以，現在的電子商務推薦系統都采用了幾種技術相結合的推薦技術。

比如 Slope One 就是一種簡單高效的協同過濾算法，Slope One 算法是由  Daniel Lemire  教授在 2005 年提出的一個 Item-Based 推薦算法。

還有一種是基于矩陣奇異值分解(SVD)的協同過濾算法，可以看 這兒 。

ppt連結位址在 這兒 。

---------------------------------------------------------------------

蝦米猜你喜歡的音樂

蝦米根據你搜尋歌曲的關鍵字向使用者推薦可能感興趣的小組

Google Reader根據使用者的興趣向使用者推薦的相關的RSS

Google Reader左側的RSS推薦，還算比較準備

在大衆點評網搜尋“水煮魚”後向使用者推薦的餐館

豆瓣書籍推薦

新浪音樂歌曲推薦

---------------------------------------------------------------------

收集的幾個研究資料挖掘及推薦系統的部落格。

http://xlvector.cn/blog/

http://www.cnblogs.com/kuber/

http://blog.csdn.net/zhengyun_ustc/

http://www.fuchaoqun.com/

http://www.guwendong.cn/

http://glinden.blogspot.com/

參考：

http://baike.baidu.com/view/2796958.htm

Slope one:簡單高效的推薦算法：http://www.fuchaoqun.com/2008/09/slope_one/

基于Slope One的相關歌曲推薦算法：http://www.fuchaoqun.com/2009/02/slope-one-for-music-recommender-system/

轉載自：

http://iamcaihuafeng.blog.sohu.com/141167552.html