推荐系统实践
2017-01-25 15:54:50 0 举报
AI智能生成
推荐系统是一种利用用户历史行为数据和物品信息,为用户提供个性化推荐的技术。它可以帮助用户发现新的兴趣点,提高用户体验,同时也能为企业带来更多的商业价值。在实践中,我们可以通过收集用户行为数据、构建用户画像、计算物品相似度等方法来实现推荐系统。此外,我们还可以使用机器学习算法来优化推荐结果,如协同过滤、内容过滤、深度学习等。总之,推荐系统是一种非常实用的技术,值得我们深入学习和实践。
作者其他创作
大纲/内容
好的推荐系统
总体标准
好的推荐系统不仅能够准确预测用户行为,还可以扩展用户视野,帮助他们发现那些他们可能感兴趣的东西
相应指标
维度:用户、平台和内容提供商
指标:用户满意度,准确度、覆盖度、多样性、新颖度、惊喜度、信任度、透明度,实时性、健壮性,等等。
评价方式
离线实验、用户调查、在线实验
推荐策略
基于用户行为
整体上:业界一般将基于用户的行为成为,协同过滤算法;原始日志,会话日志;显性反馈行为(用户评分),隐性反馈行为(用户的其他行为);
基于领域的算法
基于用户的协同过滤
计算用户之间相似度
子主题
基于物品的协同过滤
计算物品之间相似度
比较两者:性能,领域,实时性,冷启动,推荐理由
隐语义模型
基于图的随机游走算法
基于用户标签
基于上下文信息
基于社交网络
分支主题
0 条评论
下一页