推荐系统读书笔记之基础篇

  • 内容
  • 评论
  • 相关

当前阶段,你不提点“大数据”或者“个性化推荐”都不好意思说自己是互联网从业人员,现将读书笔记整理如下,持续更新有点分散:

cf-2-png

一、什么是推荐系统

推荐系统解决的问题为信息过载问题,帮助用户发现对自己有价值的信息(同时让信息能够展示在对它感兴趣的用户)。热门商品可通过排行榜等解决,推荐系统主要处理的是长尾信息。

推荐方式主要有:

  1. 社会化推荐(基于好友关系)
  2. 内容推荐(基于内容)
  3. 排行榜(协同过滤)

二、个性化推荐系统应用场景

  1. 电子商务网站
  2. 电影机视频等兴趣图谱网站
  3. 音乐网络电台(豆瓣FM)
  4. 社交网络
  5. 个性化阅读
  6. 邮件
  7. 广告

三、推荐系统评测

好的推荐系统不光是能准确预测用户行为,还能够帮用户发现他们可能感兴趣的长尾内容。需要在网站、用户、内容三者之间做出平衡。
推荐系统的考核指标有:准确度、覆盖度、新颖度、惊喜度、信任度、透明度等。

四、推荐算法分类

仅仅基于用户行为数据的推荐算法一般称之为协同过滤算法。协同过滤算法主要包括:

  1. 基于邻域的方法
  2. 隐语义模型方法
  3. 基于图的随机游走算法

其中基于邻域的方法主要包含以下两种:

  1. 基于用户的协同过滤
  2. 基于物品的协同过滤


产品经理都很寂寞!
扫一扫来撩!!!
  微信公众号码:kelebl
  QQ群:497315816