推荐算法：基于内容的推荐_2： 物品的表示

挖局用户曾经喜欢的物品，推荐类似的产品

利用已知的用户自己的偏好，兴趣等属性和物品内容属性做匹配

将用户的个人信息的特征和内容对象的特征匹配，结果就是用户对某个对象感兴趣的程度

基于内容推荐的层次结构

* 内容分析器

文档的数据处理

得到结构化的数据，存储在物品库中

* 信息学习器

收集有关用户偏好的数据特征，泛华这些数据，构建用户特征信息（机器学习）

通过历史数据构建用户兴趣模型

生成兴趣特征和无兴趣特征

*过滤组件

将用户的个人信息和物品匹配

反馈

显性反馈

喜欢/不喜欢

@@@A_hybird_user_model_for_news_story_classification）

评分

离散刻度值

@@@Social_information_filtering_algorithms_for_automating_”word_of_mouth”

把用户对网页的评价划分为热门，一般，冷门

@@@Syskill_&_webert:_identifying_interesting_web_sites

文本评论

隐性反馈

保存

删除

印刷

收藏

缺点：偏差比较大

学习推荐

建立活跃用户Ua 的个人画像；定义Ua的训练集TR；TR是<Ik,rk>的集合；

rk 是用户对物品描述Ik的平分

监督学习算法生成预测模型

给定一个新的物品的描述

比较存储在用户数据库的用户偏好和物品特征

预测是否 对物品有兴趣

时刻改变用户个人信息

“反馈-学习”

内容过滤的优缺点

优点

用户独立性：仅使用当前的用户评价来构建用户的个人信息

透明度：可以接受推荐的结果

新物品：没有任何用户评分的也可以推荐

缺点

可分析的内容有限

新颖度差

新用户需要用户的偏好信息

物品表示

内容推荐算法，推荐给用户的物品可以表示为一系列的特征

物品大多数为：抽取的文本数据(自然预处理中带有大量的歧义)

机器学习的方法学习用户的偏好

@@@content-based_recomender_system

基于关键字的空间向量模型

关键字

空间向量模型(文本文档的表示方法；Tf-IDF)

使用相似度表示两个文档的相关性(余弦相似度)

个人画像和物品都描述为带权重的词向量

预测一个用户对物品的兴趣，通过计算余弦相似度得到

基于关键词系统(web推荐系统)

web推荐系统领域(网址推荐)

Letizia系统

@@@Letizia: An Agent That Assists Web Browsing

WebWatcher

syskill&&webert

选择128个关键词代表来表示文档

新闻过滤

NewT

YourNews

@@@open user profiles for adaptive news systems help or harm

总结

长期兴趣和短期兴趣的结合

高级新闻过滤主题

略

其他

LIBRA书籍推荐

@@@content based book recommending using learning for text categorization

利用Amozon在线网页获取产品描述

贝叶斯网络分类

Citeseer协助学术搜索

1.分析论文的引文

INTIMATE使用文本分类技术从Internet Movie Database获得电影剧情

用户被要求给一定数量的电影打分

评分档次：很差，差，低于平均，高于平均，好，优秀

@@@intimate a web-based movie recommender using text categorization

3 三种学习方法：决策树，knn，贝叶斯

Movies2GO

从评价过的电影剧情中学习用户偏好

加入投票模式(解决某人在偏好上有冲突的办法)

波达计数法

例子：
假设有三个候选人甲、乙、丙的选举。结果如下：
4张选票为：1.甲 2.乙 3.丙
5张选票为：1.甲 2.丙 3.乙
7张选票为：1.丙 2.乙 3.甲
若排第一位的候选人取得2分，第二位得1分，第三位无分，各人的分数如下：
甲：4*2+5*2+7*0 = 18
乙：4*1+5*0+7*1 = 11
丙：4*0+5*1+7*2 = 19

音乐推荐

多事协同过滤的方法

协调过滤和内容过滤的融合

@@@ Fab_Content based Collabative Recommendation.

运用语义分析

SiteIF

Informed Recommender：消费者的评价为推荐建议

@@@informed recommender basing recommendations on consumer product recommender

运用百科全书源进行语义分析

显示语义分析：利用wiki的专业知识

Netflix中利用wiki来估算电影之间的相似度(文本的内容和超链接来估测相似度)

效果不明显