推荐系统-通过数据挖掘算法协同过滤讨论基于内容和用户的区别

概念

个性化推荐是根据用户的兴趣特点和购买行为,向用户推荐用户感兴趣的信息和商品。 为什么要个性化推荐? - 商品个数和种类快速增长,顾客需要花费大量的时间才能找到自己想买的商品 - 浏览大量无关的信息和产品,信息过载问题,用户难以获取所需要的信息

分类

基于内容的推荐

根据用户的历史数据,推荐用户感兴趣的产品。 1. 产品表示: 为每个item 抽取出一些 特征来表示此item;结构化属性如身高、学历、籍贯等;非结构化属性如item自己写的交友宣言,博客内容等等,需要转化成结构化属性 2. 兴趣学习: 利用一个用户过去喜欢(及不喜欢)的item的特征数据,来学习出此用户的喜好特征(profile);典型的有监督分类问题,理论上机器学习里的分类算法都可用 3. 产生推荐: 通过比较上一步得到的用户profile与候选item的特征,为此用户推荐一组相关性最大的item。把模型预测的用户最可能感兴趣的n个item作为推荐返回给用户即可

协同过滤推荐

根据与目标用户兴趣类似的用户,预测目标用户对特定产品的喜好程度。 - 以用户作为样本,每个用户对产品的评价作为该用户的特征,寻找最相似的用户。 - 为用户推荐,其最相似用户已经购买、浏览,而该用户未购买、浏览的产品 拓展阅读:协同过滤推荐中SVD分解的应用

优缺点对比

方法 新用户 新商品 冷门商品 特殊商品 潜在兴趣 特征提取、建模 依赖用户

方法

新用户

新商品

冷门商品

特殊商品

潜在兴趣

特征提取、建模

依赖用户

基于内容

×

×

需要

×

协同过滤

×

×

×

×

不需要

  • 基于内容的推荐,无法发现用户的潜在兴趣,且对于非结构化特征的数据(电影、音乐等艺术作品)难以准确描述
  • 协同过滤推荐,可以发现潜在兴趣,不用提取特征、建模,因此对艺术作品有效;冷启动问题

UserCF 和 ItemCF 的比较

推荐系统思维导图:直通车

本文参与腾讯云自媒体分享计划,欢迎正在阅读的你也加入,一起分享。

发表于

我来说两句

0 条评论
登录 后参与评论

相关文章

来自专栏技术翻译

学习R编程的前5门课程

越来越多的程序员正在学习R编程语言以成为一名数据科学家,这是全球最热门,最高薪的技术工作之一。

15430

数据整合和机器学习深入客户见解

本文精选与新的DZone人工智能指南中。免费获取更有深度的文章,行业统计,以及更多!

24980
来自专栏磐创AI技术团队的专栏

热点 | 六月Github热点项目库总结

8220
来自专栏新智元

Twitter 开源增强学习框架Torch-twrl ,可与OpenAI 无缝对接

【新智元导读】大公司关于增强学习的开源项目目前还不多,Twitter 这次走在了前面。增强学习除了玩游戏以外,在解决现实问题上也可以得到应用,比如,高自由度的机...

32960
来自专栏Java后端技术栈

深度解析京东个性化推荐系统演进史!

在电商领域,推荐的价值在于挖掘用户潜在购买需求,缩短用户到商品的距离,提升用户的购物体验。

20110
来自专栏新智元

【亚马逊加盟对抗谷歌联盟ONNX】微软Facebook深度学习开源联盟再添盟友

编辑:弗格森 【新智元导读】 除了亚马逊以外,AMD、ARM、华为、 IBM、英特尔、Qualcomm都宣布将支持ONNX,形成强大的深度学习开源联盟,谷歌目...

39180
来自专栏数据科学与人工智能

【数据分析】用户画像分析

摘要: 伴随着大数据应用的讨论、创新,个性化技术成为了一个重要的落地点。相比传统的线下会员管理、问卷调查、购物篮分析,大数据第一次使得企业能够通过互联网便利地获...

38150
来自专栏企鹅号快讯

如何把业务问题变成机器学习的问题?

机器学习的投入 这就是我们MVP的第二步:在可控的人力、金钱投入下,构建一个有效的机器学习模型。 那什么是可控呢?1-3人月的投入,更多就会风险太高。我们会期望...

20790
来自专栏ATYUN订阅号

世界上最大的大脑:拥有一百万个处理核心的神经形态计算机

科学家刚刚激活了世界上最大的“大脑”:一台拥有一百万个处理核心和1,200个互连电路板的超级计算机,它们像人脑一样运作。科学家宣布,这是世界上最大的神经形态计算...

9710
来自专栏Spark学习技巧

深度解析京东个性化推荐系统演进史

作者 | fisherman、Davidxiaozhi ? 本文摘自《决战618:探秘京东技术取胜之道》,两位作者时任京东推荐系统负责人和系统架构师。 在电商领...

335100

扫码关注云+社区

领取腾讯云代金券