推薦系統(tǒng)最基礎(chǔ)的簡介(已修改)
2025-05-28 11:30 本頁面
【正文】 主要內(nèi)容 ? 什么是推薦系統(tǒng)（背景等）？ ? 推薦系統(tǒng)目前主要有哪些方法？ ? 推薦系統(tǒng)在進行推薦的時候每一步是怎么進行的？ ? 推薦系統(tǒng)的評價指標有哪些？ 推薦系統(tǒng)概要 ? 背景： 互聯(lián)網(wǎng)技術(shù)迅猛發(fā)展 → 信息爆炸 → 信息超載（信息利用率降低） ? 什么是推薦系統(tǒng)？ 通過建立用戶與信息產(chǎn)品之間二元關(guān)系，利用已有的選擇過程或相似性關(guān)系挖掘每個用戶潛在感興趣的對象，進而進行個性化推薦，其本質(zhì)就是信息過濾。 ? 一個完整的推薦系統(tǒng)由 3個部分組成：收集用戶信息的 行為記錄 模塊，分析用戶喜好的 模型分析 模塊和 推薦算法 模塊。 ? 根據(jù) 推薦算法 的不同，推薦系統(tǒng)可以分為以下幾類： 協(xié)同過濾（ collaborative filtering） 系統(tǒng)； 基于 內(nèi)容 (contentbased)的推薦系統(tǒng)； 基于 網(wǎng)絡結(jié)構(gòu) （ workbased）的推薦系統(tǒng)； 混合（ hybrid） 推薦系統(tǒng)； 協(xié)同過濾系統(tǒng) 核心思想： ； 的評價來預測目標用戶對特定產(chǎn)品的喜好程度。系統(tǒng)根據(jù)這一喜好程度來對目標用戶進行推薦 分類： 基于記憶（ memorybased）的算法 基于模型（ modelbased）的算法 基于記憶的算法 ? 計算用戶評分： 設(shè) C= 為用戶集合， S= 為所有的產(chǎn)品集合。 設(shè) 為用戶 c對產(chǎn)品 s的打分（在協(xié)同過濾算法中，用戶c對產(chǎn)品 s的打分通過其他用戶對 s的打分計算而得到。） 設(shè) 為與用戶 c相似度比高的用戶集 第一種：直接計算鄰居打分的平均值 第二種：加權(quán)平均 （用戶之間越相似，則用于預測的權(quán)重越大）
研究報告相關(guān)推薦
鄂ICP備17016276號-1