|
定义：一种信息过滤系统，将信息元素（电影、书籍等）推荐给可能对其感兴趣的社会元素（人、组织等）。 学科：计算机科学技术_数据库_数据库新技术 相关名词：标签 协同过滤 深度学习 【延伸阅读】 推荐系统的核心功能是根据用户的属性、历史行为等信息来对用户偏好进行建模，进而产生用户喜欢的推荐，因此推荐方法必须具有识别出用户偏好的能力和预测用户对某种物品感兴趣程度的能力，然后根据物品感兴趣程度的高低来决定应该推荐的物品。现有的推荐方法有以下五类： 基于内容的推荐方法。系统向用户推荐与他们过去兴趣相似的物品。在这种方法中，系统会事先对物品标记上相应的属性特征，然后提取用户已购买物品的属性特征作为用户的偏好。当需要产生推荐时，系统会计算待推荐物品的属性特征与已购买物品的属性特征之间的相似度，然后取相似度最高的若干个物品产生推荐。 基于人口统计学的推荐方法。系统依据用户的人口统计学信息将用户划分到特定的群组，然后针对不同的群组产生不同的推荐。虽然该方法在传统的营销中使用很多，但由于人的需求越来越多元，个性化推荐越来越重要，基于群组推荐显然太粗糙，故该方法并不是当前的主流方法。 基于知识的推荐方法。系统预先定义一个知识库，当用户输入自己的需求后，系统会基于知识库中的知识采用相似性函数来估算用户需求与系统中物品的匹配度，继而选取匹配度高的物品进行推荐。在最初部署系统的时候，基于知识的系统往往比其他方法推荐效果要好。 基于社交网络的推荐方法。社交网络即用户的交际圈。有研究表明，人们在进行选择时往往会更依赖于朋友的建议，并且朋友之间往往会有着许多相似的兴趣偏好，所以就可以将用户感兴趣的内容利用合适的算法推荐给该用户的朋友。例如在日常生活中，我们在网上会遇到“你的朋友某某也点赞过此视频”这样的推荐信息，这就是社交网络推荐算法在后台推荐的结果。 基于协同过滤的推荐方法。这也是一个目前广泛使用的方法。协同过滤是指用户齐心协力，通过不断和网站互动，使自己的推荐列表能够不断过滤掉自己不感兴趣的物品，从而越来越满足自己的需求。 其过滤的原理分为两种，一种是基于用户的协同过滤，是找到与用户A有相同品味的用户B，然后将相似用户B过去喜欢的物品推荐给用户A。 另一种是基于物品的协同过滤，通过计算物品之间的相似性来代替用户之间的相似性。 （延伸阅读作者：大连理工大学计算机科学与技术学院教授 杨鑫） |
|
|
