首页
学习
活动
专区
工具
TVP
发布
社区首页 >专栏 >协同推荐系统简介

协同推荐系统简介

作者头像
田春峰-JCJC错别字检测
发布2019-02-14 09:55:21
6620
发布2019-02-14 09:55:21
举报

协同推荐系统简介

最近几年搜索引擎理念可谓渗入人心,对于互联网产品设计人员来说,张口必言搜索。同事基于搜索技术的各种产品也在Web2.0的浪潮下如雨后春笋,刷刷往 外冒。在这些林林总总的产品里面,几乎都能见到“ tag , 相关新闻, 相似产品 ” 类推荐链接的踪影。稍加留意这些产品的实现就可以发现,大多还是基于关键词的搜索机制实现的。很显然基于关键词技术的相关推荐是最直观的,似乎也是最有效 的一种实现方式,如同机枪中的AK-47,那他冲锋陷阵总是屡试不爽。 对于文字类产品的推荐,基于关键词的实现方式,目前还是主流;但在电子商务,智能阅读推荐,商务搜索方面单纯的关键字相关性实现机制还不那么让人满意,这也就有了协同推荐过滤系统。Collaborative filtering 。 所谓协同推荐,很显然弥补了单纯依赖关键词相关性的不足,把获取相关性数据的视角放大到数据从产生到消费的各个环节。 有2种最基础类型的协同推荐系统: 1 基于当前活跃用户 和 上一个用户的相似性 来进行分析(一般是计算用户购买或者感兴趣的商品来进行);侧重于用户 2 基于当前用户选择(或感兴趣)的商品 和 上一个用户感兴趣的商品的相似性来进行分析; 这也就是大家所熟知的user-based 和item-based协同推荐。 根据实现机制物理载体划分,以上两类协同推荐系统可以分为:内存型 和 模式型的协同推荐。一般内存型的都比较直观,适合于小型的数据集合,而模式型的一般都是利用 机器学习的方法,适用于大规模的数据分析,也可以称之为离线分析。模式型的是我比较关心的,因为做基于SEO的日志分析 ,比较适合。 我们在进行协同分析的时候,要考虑协同的意义。一般来说协同就是指多个用户或多个数据项的交叉作用。如果数据项较多的情况下,如何定义数据项的关系就是个重要问题了。 下面说一下协同系统的设计要素吧: 1 数据项 Item 2 项集合 ItemCollection 3 数据项的关系权重 DirectedEdge 4 数据项在数据集合中的存储方式 具体的算法实现过程,可以参考:Beyond Search推荐系统:关联规则(2)。我这里摘录如下:

Apriori 是一种广度优先算法,通过多次扫描数据库来获取支持度大于最小支持度的频繁项集。它的理论基础是频繁项集的两个单调性原则:频繁项集的任一子集一定是频繁 的;非频繁项集的任一超集一定是非频繁的。晦涩的理论我这里就不多写了,有兴趣的可以去看论文。我把里面的例子给翻译一下,图文并茂,简明易懂。 某数据库 DB 里有 4 条事务记录,取最小支持度(min support)为 0.5,则计算频繁项集的过程如下:

TID Items 100 A, C, D 200 B, C, E 300 A, B, C, E 400 B, E

TID

Items

100

A, C, D

200

B, C, E

300

A, B, C, E

400

B, E

扫描DB

Itemset Support {A} 2 (0.5) {B} 3 (0.75) {C} 3 (0.75) {D} 1 (0.25) {E} 3 (0.75)

Itemset

Support

{A}

2 (0.5)

{B}

3 (0.75)

{C}

3 (0.75)

{D}

1 (0.25)

{E}

3 (0.75)

取满足 最小支持度 项集

Itemset Support {A} 2 {B} 3 {C} 3 {E} 3

Itemset

Support

{A}

2

{B}

3

{C}

3

{E}

3

TID

Items

100

A, C, D

200

B, C, E

300

A, B, C, E

400

B, E

Itemset

Support

{A}

2 (0.5)

{B}

3 (0.75)

{C}

3 (0.75)

{D}

1 (0.25)

{E}

3 (0.75)

Itemset

Support

{A}

2

{B}

3

{C}

3

{E}

3

Itemset {A, B} {A, C} {A, E} {B, C} {B, E} {C, E}

Itemset

{A, B}

{A, C}

{A, E}

{B, C}

{B, E}

{C, E}

扫描DB

Itemset Support {A, B} 1 (0.25) {A, C} 2 (0.5) {A, E} 1 (0.25) {B, C} 2 (0.5) {B, E} 3 (0.75) {C, E} 2 (0.5)

Itemset

Support

{A, B}

1 (0.25)

{A, C}

2 (0.5)

{A, E}

1 (0.25)

{B, C}

2 (0.5)

{B, E}

3 (0.75)

{C, E}

2 (0.5)

取满足 最小支持度 项集

Itemset Support {A, C} 2 {B, C} 2 {B, E} 3 {C, E} 2

Itemset

Support

{A, C}

2

{B, C}

2

{B, E}

3

{C, E}

2

Itemset

{A, B}

{A, C}

{A, E}

{B, C}

{B, E}

{C, E}

Itemset

Support

{A, B}

1 (0.25)

{A, C}

2 (0.5)

{A, E}

1 (0.25)

{B, C}

2 (0.5)

{B, E}

3 (0.75)

{C, E}

2 (0.5)

Itemset

Support

{A, C}

2

{B, C}

2

{B, E}

3

{C, E}

2

Itemset {A, B, C} {A, B, E} {A, C, E} {B, C, E}

Itemset

{A, B, C}

{A, B, E}

{A, C, E}

{B, C, E}

扫描DB

Itemset Support {A, B, C} 1 (0.25) {A, B, E} 1 (0.25) {A, C, E} 1 (0.35) {B, C, E} 2 (0.5)

Itemset

Support

{A, B, C}

1 (0.25)

{A, B, E}

1 (0.25)

{A, C, E}

1 (0.35)

{B, C, E}

2 (0.5)

取满足 最小支持度 项集

Itemset Support {B, C, E} 2 (0.5)

Itemset

Support

{B, C, E}

2 (0.5)

Itemset

{A, B, C}

{A, B, E}

{A, C, E}

{B, C, E}

Itemset

Support

{A, B, C}

1 (0.25)

{A, B, E}

1 (0.25)

{A, C, E}

1 (0.35)

{B, C, E}

2 (0.5)

Itemset

Support

{B, C, E}

2 (0.5)

如上可以看出,在海量数据的情况下,Apriori 算法的运算过程有 2 个问题:

  1. 需要多次扫描数据库,时间成本很高;
  2. 运算过程中需要产生大量的候选集,空间成本也非常高。

针对 Apriori 算法所做的改进也基本上是围绕着解决这两个问题进行的,如在扫描DB前首先进行以便事务合并和压缩,数据分区或抽样等。

Weka 里有 Apriori 算法的 Java 实现,非常值得一看。

推荐阅读:协同过滤(Collaborative Filtering)

本文参与 腾讯云自媒体分享计划,分享自作者个人站点/博客。
原始发表:2007年07月24日,如有侵权请联系 cloudcommunity@tencent.com 删除

本文分享自 作者个人站点/博客 前往查看

如有侵权,请联系 cloudcommunity@tencent.com 删除。

本文参与 腾讯云自媒体分享计划  ,欢迎热爱写作的你一起参与!

评论
登录后参与评论
0 条评论
热度
最新
推荐阅读
相关产品与服务
数据库
云数据库为企业提供了完善的关系型数据库、非关系型数据库、分析型数据库和数据库生态工具。您可以通过产品选择和组合搭建,轻松实现高可靠、高可用性、高性能等数据库需求。云数据库服务也可大幅减少您的运维工作量,更专注于业务发展,让企业一站式享受数据上云及分布式架构的技术红利!
领券
问题归档专栏文章快讯文章归档关键词归档开发者手册归档开发者手册 Section 归档