机器学习与推荐系统

Posted 2021-04-27 阿泰大数据

开发项目--推荐系统

推荐系统的目的

1、 信息过载

2、 推荐系统

a) 推荐系统是信息过载所用到的措施，面对海量的数据信息，从中快速推荐出符合用户特点的物品。解决一些人的“选择恐惧症”；面向没有明确需求的人。

b) 解决如何从大量信息中找到自己感兴趣的信息

c) 解决如何让字节生产的信息脱颖而出，受到大众的喜爱

d) 让用户更快个性化的获取到自己需要的内容

e) 让内容（商家）更快更好的推送到喜欢它的用户手中

f) 让网站（平台）更有效的保留用户资源

推荐系统的应用

      

1、购物平台

2、交友平台好友推荐系统

3、电影推荐平台

4、音乐推荐平台

5、…      

推荐系统的分类

推荐系统的基本思想

利用用户和物品的特征消息，给用户推荐那些具有用户喜欢的物品

利用用户喜欢过的物品，给用户推荐与他喜欢过的物品相似的物品

利用和用户相似的其他用户，给用户推荐那些和他们兴趣爱好相似的其他用户喜欢的物品

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的物品

物以类聚

- 利用用户喜欢过的物品，给用户推荐与他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们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

1、 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；

2、 系统用户的基本信息，例如性别，年龄，兴趣标签等

3、 用户的行为数据，可以转化为对物品或者信息的偏好，根据应用本身的不同，可以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。这些用户的偏好程度可以分为两类：

a) 显示的用户反馈：这类是用户在网站上自然浏览或者网站之外，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

b) 隐式的用户反馈：这类是用户在使用网站时产生的数据，隐式的反应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。

推荐系统的分类

1、 根据实时性分类

a) 离线推荐

b) 实时推荐

2、 根据推荐是否个性化分类

a) 基于统计的推荐

b) 个性化的推荐

3、 根据推荐原则分类

a) 基于相似度的推荐

b) 基于知识的推荐

c) 基于模型的推荐

4、 根据数据源分类

a) 基于人口统计学的推荐

b) 基于内容的推荐

c) 基于协同过滤的推荐

下一期我们将开始接受推荐系统都会用到那些数学知识，一起学习吧！