推荐系统算法概览

基于流行度

这种算法比较简单，按所有用户的点击量排序呈现给用户，按热度数据推荐给每个用户。弊端就是每个用户看到的都是一样的，无法个性化推荐，微博排行榜就是个比较好的例子。

 

协同过滤算法

基于用户

1. 分析各个用户对物品的评价（浏览次数，停留时间，购买次数）
2. 依据用户对物品的评价计算得出所有用户之间的相似度
3. 选出与当前用户最相似的N个用户
4. 将这N个用户评价最高并且当前用户又没有浏览过的物品推荐给当前用户。

基于物品

1. 分析各个用户对物品的浏览记录
2. 依据浏览记录，购买记录等分析得出所有物品之间的相似度
3. 对于当前用户评价高的物品，找出与之相似度最高的N个物品
4. 将这N个物品推荐给当前用户

基于内容

1. 对用户行为分析得出用户标签，对文章做关键词提取得出文章标签。
2. 计算词向量之间的距离

 

基于模型的算法

x为用户特征，通过深度学习计算每个用户特征的权重

 

 

混合算法

以上几种算法组合使用，不同算法结果加权得到综合结果。