• 回答 (9)
  • 关注 (0)
  • 查看 (3797)

智能推荐算法是什么?目的何在?实现的原理又是什么?大概是怎么样的实现流程呢?

秋千秋千提问于
彼岸轮回回答于

就像我最近研究协作过滤算法一样,我将详细描述这个算法是如何实现的。

协作过滤算法通常如何做?我们来看看图书推荐的做法:

协同过滤(CF)大致可以分为两类:一类是基于邻域的推荐,另一类是基于模型的推荐;邻域法是利用用户最喜欢的现有项目度来猜测用户对新项目的喜爱程度。相反,基于模型的方法使用历史行为数据根据学习的预测模型预测新项目的偏好程度。通常的方法是使用机器学习算法来找出用户 - 项目交互模型,以找出数据中的特定模式。

[基于社区的推荐] - 即构建用户相似度矩阵和产品相似度矩阵

假设用户已经显示了对某些书籍的偏好并相应地得分。不同的书代表不同的维度。得分代表维度中特征向量的投影长度。用户的特征基于用户对不同书籍的偏好而建立。向量,然后根据余弦相似度可以确定用户之间的相似度。相似矩阵可以基于相似性建立。显然,根据用户对历史书籍的评价,用户可以得到他们喜欢的情况。在此基础上,可以构建用户的特征向量,在一定程度上可以确定两个用户在图书风格上的相似程度。可以认为,如果A和B类似,那么可以认为最喜欢的书B也是喜欢的。当推荐A用户使用书籍时,找到相似度较高的其他用户,然后删除A用户看到的书籍,并将相似用户对某本书的偏好与用户与A用户之间的相似度相结合。建议首先推荐推荐指数最高的书。

这应该是图书社区使用的推荐算法之一,例如豆瓣,以便使用用户之间的相似性来提出建议。当然,电影的推荐是一样的。

同理,反过来我们可以按照相似的方位,以用户为维度来构建item的特征向量。 当我们需要判断两本书是否相似时,就去看对这两本书进行过评价的用户构成是否相似,即是使用评价过一本书的用户向量(或数组)表示这本图书;也就是说,如果有两本书的评价中,用户重合度较高,即可认为该两本书相似度较高。其实借用的还是用户相似的基础。

值得注意的是,协同过滤的推荐算法虽然使用得很广且推荐效果也较好,但还是存在一些不足之处:

协同过滤算法(CF)推荐中存在流行性偏差,因为协同过滤算法是基于惯性数据来进行推荐的,流行的物品由于关注的用户多,产生的数据也多,因此可以建立较为有效的推荐机制;而对于小众或长尾的产品(没人用过也没人评分过),则无法有效推荐;

冷启动问题(又叫做新用户问题,或推荐新项问题),同样是由于惯性数据的缺失,导致一开始的推荐算法无法建立;这样的问题可以通过流行性算法进行一定程度的解决,当然也可以利用基于内容的推荐算法来进行解决。

回答过的其他问题

如何快速搭建一个微服务架构?

选择进程内 LB 方案 首先,随着 Netflix 的微服务方案和 Spring Cloud 的兴起与成熟,进程内 LB 方案成为我们的首选。 其次,推荐使用 Eureka 做服务注册中心,Ribbon 做客户端服务发现和负载均衡。 最大好处是: 1、简单 + 实用 + 可控,不...... 展开详请

AI领域无监督学习有哪些难点?

首先我觉得无监督学习迷雾重重,目前无监督学习领域并没有一个好的正确的方向。但是,本身无监督学习相比于有监督学习要难许多。而且我认为无监督学习应该归属到强人工智能领域。而有监督学习应该归属到弱人工智能领域。所以我认为无监督学习的设计模式、设计方法应该跟有监督学习完全不同。但是,目前...... 展开详请

微服务架构中不同服务之间是如何通信的?

微服务能解决了单体应用以及SOA带来的的问题,但是微服务使整个应用服务增多,服务间通讯更复杂,也会带来大量 的问题。比如单体如何拆分成多个微服务,团队间沟通更多,运维成本增高,分布式事务问题,依赖管理变得复杂,测试 更加困难,故障更难于定位等等。 微服务架构能够解决单体架构带来的...... 展开详请

人脸识别安全吗?双胞胎能识别出来吗?

这涉及到适应性和准确性相平衡的问题。 例如,假定当系统设定80%相似度便认定为同一个人时,当某人发生胖瘦变化、换发型、年龄变化时,系统能够识别出是同一个人;而双胞胎的相似度可能为90%,这时系统无法将两个人区分出来。在80%的设定下,系统适应性较高,准确率相对较低。假定如果为了...... 展开详请

Google的Shopping Actions计划用到了哪些智能推荐算法?

这个购物的推荐算法应该是看砸钱吧,毕竟用户都给了关键词了,搜索而已。

看普通SSD改造成傲腾,傲腾究竟意义何在?

傲腾内存外形与M.2固态硬盘相仿,并占用主板上的一个M.2接口,其主要作用是为HDD与SSD加速(不支持为NVMe固态硬盘加速),而对于HDD的提升收益最大,SSD加速意义不大。 它就是为机械硬盘加速用的。具体来说,它的主要作用表现在: 其一、提升开机速度; 其二、提升软件加载速...... 展开详请

关于作者

所属标签

扫码关注云+社区

领取腾讯云代金券