关于推荐系统的几点思考
智能推荐系统,已经发展到比较成熟的阶段,在电商领域和新闻领域得到了广泛的应用,鉴于最近项目组需要进行工业网站智能推荐系统的开发,进行相关资料学习,并整理材料,具体如下.
智能推荐的本质:基础数据+计算过程+算法模型,
智能推荐的效果:千人千面,个性化推荐
需要解决的问题:海量数据的冗余,冷启动问题(用户,商品数据为零),马太效应(热者愈热),用户兴趣的升级
推荐考量指标:用户行为信息 用户信息的时间范围
主要推荐算法:
推荐算法概述-基于内容属性相似的推荐:(问题:1内容本身是非优质信息,2问题已经解决,信息冗余)
基于用户画像的推荐(标签采集):(问题:1并非所有的用户行为都是用户的偏好,2偏好随着时间发生转移,3压根没有用户信息)
基于协同行为推荐(物品和用户):(基于相关程度进行向量轨迹的推荐)
其他方法:根据场景考虑,可以综合多种算法模型