R语言应用实战系列-智能推荐模型的构建
Posted 文宇肃然
tags:
篇首语：本文由小常识网(cha138.com)小编为大家整理，主要介绍了R语言应用实战系列-智能推荐模型的构建相关的知识，希望对你有一定的参考价值。
一.基本概念和原理
智能推荐的方法有很多，包括基于内容推荐，协同过滤推荐，基于关联规则，基于知识推荐，基于效用推荐和组合推荐。
以下是我为大家准备的几个精品专栏，喜欢的小伙伴可自行订阅，你的支持就是我不断更新的动力哟！
基于内容推荐，就是根据用户过去的行为记录来向用户进行推荐相似的产品。
缺点：由于内容高度匹配，导致内容的精准度比较差，而且有冷启动的问题，对于新用户不能提供可靠的结果，对于新用户需要积累一段时间后的内容才能够推荐。而且只有维度增加才能增加推荐的精度，但是维度增加会导致计算量巨大。
协同过滤算法，主要是找出和你口味相近的用户，根据他的喜好来预测你的喜好。这个方法可能可以挖掘用户的潜在喜好，但是也存在无法向新用户推荐的问题。一个重要环节就是如何选择合适的相似度计算方法。常用的方法是余玄相似度法和皮尔逊相关系数。
皮尔逊
以上是关于R语言应用实战系列-智能推荐模型的构建的主要内容，如果未能解决你的问题，请参考以下文章