推荐系统(Recommendation/Recommender Systems)小结 (一)
2019-01-11 16:49
417 查看
1.从搜索到推荐
“The Web, they say, is leaving the era of search and entering one of discovery.
What’s the difference? Search is what you do when you’re looking for
something.
Discovery is when something wonderful that you didn’t know existed, or didn’t
know how to ask for, finds you.”
------Jeffrey O’Brien, Fortune Magazine, The race to create a ‘smart’ Google
推荐系统的意义:
信息过载,我们只需要很小的一部分来【消费】或【喜欢】。
搜索:用户已知需要查找的东西
推荐:相关的东西【用户未知】
应用: 亚马逊相关商品推荐,Facebook社交推荐,雅虎谷歌新闻推送
2.推荐的操作目标:
相关性:用户更倾向于消费相关的物品
新颖性:推荐给用户的物品是用户过去从未接触过的东西
意外性:推荐给用户时,用户并不知道自己会【喜欢】这件物品
多样性:使用户不会对【推送】感到厌烦
3.推荐策略
content-based recommendation(基于content的推荐)
collaborative filtering(协同过滤)
协同过滤又可以分为:
User-based CF
Item-based CF
相关文章推荐
- Andrew NG 机器学习 笔记-week9-异常检测和推荐系统(Anomaly Detection and Recommender Systems)
- 【读书笔记】《推荐系统(recommender systems An introduction)》第九章 针对协同过滤推荐系统的攻击
- Anomaly Detection and Recommender Systems[异常检测&推荐系统]
- 《Statistical Methods for Recommender Systems》阅读笔记--第三章(2)推荐系统中的EE问题
- 推荐系统:Evaluating_collaborative_filtering_recommender_systems
- 矩阵分解在推荐系统中的应用(中文译)- MATRIX FACTORIZATION TECHNIQUES FOR RECOMMENDER SYSTEMS
- 《Statistical Methods for Recommender Systems》--第五章(1)推荐问题设定和系统架构
- 大数据背后的推荐系统(Big Data Behind Recommender Systems)
- 用Python构建你自己的推荐系统(Implementing your own recommender systems in Python)
- 【推荐系统论文笔记】Introduction To Recommender Systems: Algorithms and Evaluation
- Machine Learning - XVI. Recommender Systems 推荐系统(Week 9)
- 【读书笔记】《推荐系统(recommender systems An introduction)》第六章 推荐系统的解释
- 推荐系统介绍:(协同过滤)—Intro to Recommender Systems: Collaborative Filtering
- 【读书笔记】《推荐系统(recommender systems An introduction)》第七章 评估推荐系统
- 【读书笔记】《推荐系统(recommender systems An introduction)》第八章 案例分析:移动互联网个性化游戏推荐
- Mahout的taste推荐系统里的几种Recommender分析
- 基于混合云存储系统的电影推荐引擎小结
- 自己动手写一个推荐系统,推荐系统小结,推荐系统:总体介绍、推荐算法、性能比较, 漫谈“推荐系统”, 浅谈矩阵分解在推荐系统中的应用
- 推荐系统思考小结
- 推荐系统思考小结(基于Mahout)