原创|[新蜂观察]：推荐算法简介

Posted 2021-04-29 新蜂数字金融

推荐算法是一种目前已经广泛应用于各类互联网公司中的计算机算法，大家在浏览各类购物网站时，商品的排列，以及一些网站中的猜你喜欢栏目都是这个算法的应用。推荐算法的核心是通过用户的基本属性、过去的行为数据、对商品的评价数据、商品本身的特征数据等，预测出用户可能喜欢的产品，推荐算法在产品营销上能够得到广泛的运用。

推荐算法主要可以分为以下几类：

• 基于内容的推荐

基于内容的推荐方法就是根据用户过去的行为记录来向用户推荐用户没有接触过的推荐项。其通过用户过去的行为，分别构建用户向量和产品向量，并计算其之间的相似度，推荐合适的产品，比如说一个用户经常购买过系列书籍的前几部，就会向他推荐该系列书籍的后几部。

 

• 基于关联规则的推荐

基于关联规则的推荐是以关联规则为基础，通过用户历史购买信息，发现不同商品在销售过程中的相关性，从而通过合理排序，找出向用户推荐的产品。其实质就是找出用户在购买A商品的同时购买B商品的倾向性。比如很多人购买牛奶的同时会购买面包。

• 基于协同过滤的推荐

协同过滤算法是目前电商最常用的一种算法。协同过滤算法包括基于用户的协同过滤和基于物品的协同过滤。

基于用户的协同过滤算法基于一个基本假设——相似度高的人喜欢的东西也相似。所以基于用户的协同过滤主要的任务是通过用户评分，找出相似度高的用户集合，从而根据用户集合对未知项进行评分预测，把评分最高的N个项推荐给用户。

基于物品的协同过滤与基于用户的协同过滤类似，它通过用户评分，找出相似度高的N个物品，推荐给用户。

 

• 混合推荐

实践中，没有一种万能算法可以直接符合现实需求，往往需要结合业务实际，通过加权、混合或者变换等方法，结合各种推荐算法的运用，才能达到更贴合自己业务的目的。

 

（作者单位：建行上海数据分析中心）

往期回顾： 

      

      

      

       

---