文章目录
- 一、为什么要学习推荐系统
- 二、推荐系统 VS 搜索引擎
- 三、推荐系统的基本思想
- 四、推荐系统的输入数据
- 五、推荐算法的分类
- 六、基于人口统计学的推荐算法
- 七、基于内容的推荐算法
-
- 1、基于协同过滤的推荐算法
- 2、基于用户的协同过滤
- 3、基于物品的协同过滤
- 八、推荐系统的评价方法
一、为什么要学习推荐系统
文章图片
推荐系统定义：
文章图片
推荐系统作用：
文章图片
二、推荐系统 VS 搜索引擎
文章图片
文章图片
| 搜索 | 推荐 | |
|---|---|---|
| 行为方式 | 主动 | 被动 |
| 个性化 | 弱 | 强 |
| 意图 | 明确 | 模糊 |
| 流量分布 | 马太效应 | 长尾效应 |
| 评估指标 | 简明 | 复杂｜ |
| 目标 | 快速满足 | 持续服务 |
文章图片
利用用户和物品的特征信息：你喜欢足球，那我就给你推荐足球的新闻。
利用用户喜欢过的物品：你喜欢足球，那我就给你推荐篮球或者运动类的物品。
文章图片
四、推荐系统的输入数据
文章图片
五、推荐算法的分类
文章图片
六、基于人口统计学的推荐算法
文章图片
七、基于内容的推荐算法
文章图片
1、基于协同过滤的推荐算法
文章图片
下面这张图就类似于一张用户打分表，通过用户显式或者隐式的行为进行打分：
文章图片
2、基于用户的协同过滤
文章图片
文章图片
3、基于物品的协同过滤
文章图片
八、推荐系统的评价方法 【推荐系统|推荐系统概述(初级)】
文章图片
推荐阅读
- 算法|「推荐系统中的特征工程」02（推荐系统与特征工程）
- 推荐算法|基于人口统计学的推荐算法
- 推荐算法|基于内容的推荐算法
- 推荐算法|相似度计算（1）——余弦相似度
- 全局视角系统学习《推荐系统》，实战中提升竞争力吾爱学习无mi
- 推荐系统评测指标
- 推荐系统|关联规则 置信度与支持度以及Apriori算法简介
- 论文笔记|【论文笔记】DIEN: Deep Interest Evolution Network for Click-Through Rate Prediction
- 深度学习|论文阅读（《Deep Interest Evolution Network for Click-Through Rate Prediction》）