摘要：
1.发掘用户兴趣1）啤酒和尿布的故事2）用户行为数据：session log、impression log、click log。这些日志记录了用户的行为：浏览、购买、点击、评分、评论3）用户行为：显性反馈行为、隐性反馈行为2.用户行为分析1）长尾分布：发f(x)=ax^k2）协同过滤算法：仅仅基于用户行为数据设计的推荐算法。包含：基于邻域（基于用户的协同过滤算法userCF、基于物品的协同过滤算法itemCF）、隐语义模型、基于图的随机游走算法。3）userCF：给用户推荐和他兴趣相似的其他用户喜欢的物品。计算用户的相似度。Digg在应用，相比较MostPopular算法，准确率和召回率都要高 阅读全文
摘要：
1.互联网搜索及推荐发展1）早期的孤岛式网站，门户网站出现，网站导航，属于针对网站的推荐。但是内容的获取还是需要到相应网站上去浏览。2）搜索引擎：用户可以主动检索内容3）推荐系统：主动的推荐用户感兴趣的物品，广告定向投放等。推荐系统发展：热销推荐->个性化推荐->捆绑式推荐。netflix：研究的是预测用户看了电源后会给出怎样的评分。更有意义的应该是用户可能会喜欢的电源。2.推荐系统评测指标1）用户满意度：调查问卷或网站上收集2）预测准确度：平方根误差（RMSE）、平均绝对误差（MAE）3）召回率（recall）4）准确率（precision）5）覆盖率：如何发掘长尾商品。所有物品 阅读全文