推荐系统可利用的特征

学自 极客时间 《深度学习推荐系统实战》

• 推荐系统就是利用“用户信息”，“物品信息”，“场景信息”这三大部分有价值数据，通过构建推荐模型得出推荐列表的工程系统
• 特征其实是对某个行为过程相关信息的抽象表达
• 构建特征原则：尽可能地让特征工程抽取出的一组特征，能够保留推荐环境及用户行为过程中的所有“有用“信息，并且尽量摒弃冗余信息

电影的例子

推荐系统常用特征

• 1 用户行为数据

• 2 用户关系数据 强关系（互相关注），弱关系（点赞，评论）
• 3 属性、标签类数据

• 4 内容类数据 一般，内容类数据无法直接转换成特征，需要进行 NLP、CV 等手段提取关键内容，再输入推荐系统，如图像目标识别，关键词抽取
• 5 场景信息（上下文信息） 行为产生的场景信息，最常用的是 时间，GPS，IP地址，还有 所处页面、季节、月份、节假日、天气、空气质量、社会大事件等