• 利用使用者和物品的特徵資訊，給使用者推薦那些具有使用者喜歡的特徵的物品。
• 利用使用者喜歡過的物品，給使用者推薦與他喜歡過的物品相似的物品。
• 利用和使用者相似的其他使用者，給使用者推薦那些和他們興趣愛好相似的其他用 戶喜歡的物品。
• 根據實時性分類
– 離線推薦
– 實時推薦
• 根據推薦原則分類
– 基於相似度的推薦
– 基於知識的推薦
– 基於模型的推薦
• 根據推薦是否個性化分類
– 基於統計的推薦
– 個性化推薦
• 根據資料來源分類
– 基於人口統計學的推薦（利用使用者的基本資訊）
– 基於內容的推薦
– 基於協同過濾（collaborative filtering，cf）的推薦（就是利用使用者的一些行為，例如評分，曬單等等）
• **準確度
• 使用者滿意度 • 覆蓋率
• 多樣性
• 驚喜度
• 信任度
• 實時性
• 健壯性
• 商業目標
評分**
– 很多**都有讓使用者給物品打分的功能，如果知道使用者對物品的歷史評分，就可
以從中學習乙個興趣模型，從而**使用者對新物品的評分
– 評分**的準確度一般用均方根誤差(rmse)或平均絕對誤差(mae)計算
top-n推薦
– **提供推薦服務時，一般是給使用者乙個個性化的推薦列表，這種推薦叫做
top-n推薦
– top-n推薦的**準確率一般用精確率(precision)和召回率(recall)來度量
準確率、精確率和召回率
推薦系統概述
物品 關注物品集的屬性和特徵 使用者 關注使用者基本屬性，年齡，性別等 事務 使用者的行為記錄，分為顯示行為和隱式行為 推薦系統的分類 基於內容 content based 為使用者推薦與過去興趣相似的物品，物品的相似性是基於被比較物品的特徵來計算的 協同過濾 cf collaborative fi...
推薦系統 概述
好久沒有更新了！最近一直在研究推薦相關的知識，也算是有一點感悟吧，暫且打算寫一系列推薦入門的文章，一為分享，共同學習。二為對知識做乙個系統的整理。這是第一篇，不打算說太多關於技術的問題，我們就來隨便聊聊推薦系統，然後本篇文章也作為該系列的乙個導航文章吧！我想大家應該都對推薦系統不會陌生，不管你是逛 ...
推薦系統（1） 推薦系統概述
推薦系統是主動從大量資訊中找到使用者可能感興趣的資訊的工具。推薦系統的核心問題是如何實現推薦個性化 如何向使用者推薦匹配度高的產品 商品 或專案,本質是通過一定的方式將使用者和專案聯絡起來。自從xerox palo alto研究中心於1992年研發出了基於協同過濾的實驗系統tapestry以來 主要...