网站加入站长统计,库存管理软件永久免费版,wordpress home,哪个网站做外贸零售比较好呢推荐系统简介 文章目录推荐系统简介1.推荐系统概述推荐系统目的我们推荐的目的#xff1a;推荐系统的应用推荐系统的基本思想推荐系统的数据分析推荐系统分类2.推荐系统简介基于人口统计学的推荐基于内容的推荐基于协同过滤的推荐混合推荐3.推荐系统评测推荐系统的实验方法推荐…推荐系统简介 文章目录推荐系统简介1.推荐系统概述推荐系统目的我们推荐的目的推荐系统的应用推荐系统的基本思想推荐系统的数据分析推荐系统分类2.推荐系统简介基于人口统计学的推荐基于内容的推荐基于协同过滤的推荐混合推荐3.推荐系统评测推荐系统的实验方法推荐系统评测指标评分预测1.推荐系统概述
推荐系统目的
我们推荐的目的
信息爆炸和信息过载。推荐系统是信息过载所采用的措施面对海量的数据信息从中快速推荐出符合特点的物品。解决一些人的“选择恐惧症”。解决如何从大量信息中找到自己感兴趣的信息。解决如何让自己生产的信息脱颖而出受到大众的喜欢。
即
让用户更快更好的获取到自己需要的内容让内容更快更好的推送到喜欢它的用户手中让网站更有效的保留用户资源
推荐系统的应用
个性化音乐电子商务电影视频社交网络个性化阅读证劵、理财个性化旅游个性化广告个性化邮件位置服务
推荐系统的基本思想 知你所想精准推送——利用用户和物品的特征信息给用户推荐那些具有用户喜欢的特征物品物以类聚——利用用户喜欢过的物品给用户推荐与他人喜欢过的物品相似的物品人以群分——利用和用户相似的其他用户给用户推荐那些和他兴趣爱好相似的其他用户喜欢的物品
推荐系统的数据分析
要推荐物品或内容的元数据例如关键字分类标签基因描述等系统用户的基本信息例如年龄、性别、兴趣标签等用户的行为数据可以转换为对物品或者信息的偏好根据应用本身的不同可能包括用户对物品的评分用户查看物品的记录用户的购买记录等。这些用户偏好信息可以分为两类 显式用户反馈这类用户在网站上自然浏览或者使用网站以外显式的提供反馈信息例如用户对物品的评分或者对物品的评论。隐式的用户反馈这类是用户在使用网站时产生的数据隐式反映了用户对物品的喜好例如用户购买了某物品用户查看了某物品的信息等等。
推荐系统分类
根据实时性分类 离线推荐实时推荐 根据推荐原则分类 基于相似度的推荐基于知识的推荐基于模型的推荐 根据推荐是否个性化分类 基于统计的推荐个性化推荐 根据数据源分类 基于人口统计的推荐基于内容的推荐基于协同过滤的推荐
2.推荐系统简介
基于人口统计学的推荐
基于内容的推荐
基于内容Content basedCB主要利用的是用户评价过的物品的内容特征而CF的方法还可以利用其他用户评分过的物品内容
基于协同过滤的推荐
协同过滤Collaborative FilteringCF基于近邻的协同过滤 基于用户User-CF基于物品Item-CF 基于模型的协同过滤 奇异值分解SVD潜在语义分析LSA支撑向量机SVM
基于内容和协同过滤算法区别
CF可以解决CB的一些局限.如
物品内容不完全或者难以获取时依然可以通过其他用户的反馈给出推荐CF基于用户之间对物品的评价质量避免了CB仅依赖内容可能造成的对物品质量判断的干扰CF推荐不受内容限制只要其他类似用户给出了对不同物品的兴趣CF就可以推荐出内容差距很大的物品但有某种内在联系
分为两类 基于近邻和基于模型
依赖历史数据冷启动问题
基于数据、基于
混合推荐
实际网站的推荐往往都不是单纯只采用一种推荐机制和策略往往是将多个方法混合在一起从而达到更好的推荐效果。比较流行的组合方法有
加权混合——用线性公式(liner formula)将几种不同的推荐按照一定的权重组合起来具体的权重的值需要在测试数据集上反复实验从而达到最好的推荐效果切换混合——切换的混合方式就是允许在不同情况数据量系统运行情况用户和物品的数目等下选择最为合适的推荐机制计算推荐分区推荐——采用多种推荐机制并将不同的推荐结果分不同的区显示给用户分层混合——采用多种推荐机制并将一个推荐机制的输入作为另一个的输入从而综合各个推荐机制的优缺点得到更加准确的推荐
3.推荐系统评测
推荐系统的实验方法
离线实验 通过体制系统获得用户行为数据并按照一定格式生成一个标准的数据集将数据集按照一定的规则分成训练集和测试集在训练集上训练用户兴趣模型在测试集上进行预测通过事先定义的离线指标评测算法在测试集上的预测结果 用户调查 用户调查需要有一些真实用户让他们在需要测试的推荐系统上完成一些任务我们需要记录他们的行为并让他们回答一些问题最后进行分析 在线实验 AB测试AB测试是为Web或App界面或流程制作两个A/B或多个A/B/n版本在同一时间维度分别让组成成分相同相似的访客群组目标人群随机的访问这些版本收集各群组的用户体验数据和业务数据最后分析、评估出最好版本正式采用。
推荐系统评测指标
预测准确度用户满意度覆盖率不能只推荐热门冷门小众大部分的都可以推荐出来多样性惊喜度信任度实时性健壮性商业目标
评分预测
很多网站都有让用户对物品打分的功能如果知道用户对物品的历史评分就可以从中学习一个兴趣模型从而预测用户对新物品的评分评分预测准确度一般用均方根误差RMSE或者平均绝对误差MAE计算
TOP-N推荐
网站提供推荐服务时一般是给一个用户一个个性化推荐列表这种推荐叫做TOP-N推荐TOP-N推荐的预测率一般用精确率precision和召回率recall来度量
