推荐系统实践-读书笔记

 

第2章 利用用户行为数据

2.4 基于邻域的算法

2.4.1 基于用户的协同过滤算法

（1）找到和目标用户兴趣相似的用户集合

（2）找到这个集合中的用户喜欢的，且目标用户没有听说过的物品推荐给目标用户

2.4.2 基于物品的协同过滤算法

（1）计算物品之间的相似度

（2）根据物品的相似度和用户的历史行为给用户生成推荐列表

2.5 隐语义模型

2.6 基于图的模型

 

第3章 推荐系统冷启动问题

3.1 冷启动问题简介

三类问题：用户冷启动，物品冷启动，系统冷启动

解决方案：提供非个性化的推荐、利用用户注册信息、利用用户社交网络信息、用户登录时的物品反馈、新物品内容信息、专家知识。

3.2 利用用户注册信息

3.3 选择合适的物品启动用户的兴趣

3.4 利用物品的内容信息

3.5 发挥专家的作用

 

第七章 推荐系统实例

7.1 外围架构

 

 

推荐系统界面的共性：1、通过一定方式展示物品，主要包括物品的标题、缩略图和介绍等；2、很多推荐系统提供推荐的理由，理由可增加用户对推荐系统的信任度 3、推荐界面还需提供一些按钮让用户对推荐结果进行反馈，以便不断改旱用户的个性化推荐体验。