基于内容的推荐系统基础_1
2016-09-12 20:59
232 查看
推荐系统
基于内容的推荐系统
基于内容的推荐系统会发掘用户曾经喜欢的产品,从而尝试去推荐类似的产品使其满意。
基于内容的推荐系统主要的处理方式在于利用用户的已知偏好,兴趣等属性和物品内容的属性相匹配,以此为用户推荐新的感兴趣的物品。
推荐系统是能满足个性化需求的一种方式。
推荐的主要处理过程是将用户的个人信息特征和内容对象的特征相匹配,结果就是用户对刚兴趣程度的评价。
图3.1 基于内容的推荐系统的高层次结构。
内容分析器:当信息没有结构化的时候,某些预处理阶段需要抽取相关的结构化信息。
信息学习器:收集了部分信息,并试图泛化(当某一反应与某种刺激形成条件联系后,这一反应也会与其它类似的刺激形成某种程度的条件联系,这一过程称为泛化。from 百度百科)这些数据,从而构建用户数据信息。
过滤组件:将个人信息和物品在表示空间进行匹配,利用用户个人信息来推荐相关物品。
反馈库:为了结构化和更新活跃用户u(必须为其提供推荐的用户)的个人信息,该用户对物品的偏好反应通常通过某些渠道收集并记录在反馈库中。
基于内容的推荐系统优缺点
优点
用户的独立性
透明性
新物品
缺点
可分析内容有限
过度特化
新用户
基于内容的推荐系统
基于内容的推荐系统会发掘用户曾经喜欢的产品,从而尝试去推荐类似的产品使其满意。
基于内容的推荐系统主要的处理方式在于利用用户的已知偏好,兴趣等属性和物品内容的属性相匹配,以此为用户推荐新的感兴趣的物品。
推荐系统是能满足个性化需求的一种方式。
推荐的主要处理过程是将用户的个人信息特征和内容对象的特征相匹配,结果就是用户对刚兴趣程度的评价。
图3.1 基于内容的推荐系统的高层次结构。
内容分析器:当信息没有结构化的时候,某些预处理阶段需要抽取相关的结构化信息。
信息学习器:收集了部分信息,并试图泛化(当某一反应与某种刺激形成条件联系后,这一反应也会与其它类似的刺激形成某种程度的条件联系,这一过程称为泛化。from 百度百科)这些数据,从而构建用户数据信息。
过滤组件:将个人信息和物品在表示空间进行匹配,利用用户个人信息来推荐相关物品。
反馈库:为了结构化和更新活跃用户u(必须为其提供推荐的用户)的个人信息,该用户对物品的偏好反应通常通过某些渠道收集并记录在反馈库中。
基于内容的推荐系统优缺点
优点
用户的独立性
透明性
新物品
缺点
可分析内容有限
过度特化
新用户
相关文章推荐
- mahout基于用户推荐的简单例子(2)
- mahout+eclipse推荐系统开发学习之helloworld
- 数据推荐系统系列 8种方法之一 CosSim余弦相识性方式
- 数据推荐系统系列 8种方法之一 User-CF 方式
- 不到100行代码实现一个简单的推荐系统
- 基于内容的推荐Content-based Recommendation
- 推荐引擎算法 - 猜你喜欢的东西
- 长期招聘:个性化推荐
- 《推荐系统实践》 阅读笔记
- 推荐系统学习笔记(一)
- 推荐系统学习笔记(三)
- mahout之推荐系统源码笔记(2) ---相似度计算之RowSimilarityJob
- mahout之推荐系统源码笔记(3) ---执行推荐之RecommenderJob
- guide2datamining阅读笔记(1)
- 美团推荐算法实践:机器学习重排序模型成亮点
- 推荐系统——基本概念
- python实现SlopeOne
- 推荐系统
- Recommender System ——charu C. Aggarwal学习笔记【1】
- 160824--推荐系统中的排序学习