推薦系統簡介

推薦系統，並不是真的就要求做乙個「系統」，而是為解決資訊過載（）information overload）問題，應用協同智慧型（collaborative intelligence）做推薦的技術。

與搜尋引擎對應，推薦系統也叫推薦引擎。但是推薦系統相對於搜尋引擎來講，更加傾向於針對沒有明確目的人們。它會根據使用者的歷史行為、興趣愛好、商品特徵等因素進行分析，進而生成推薦結果。

1. 模型及分類

圖12. 推薦演算法

1）基於內容的推薦

該方法是基於專案的相似度並通過最近鄰獲取與目標專案最相似的專案列表，然後把使用者沒有行為記錄並且評分高的專案推薦給特定使用者。

2）協同過濾推薦

協同過濾推薦一般分為兩類：

基於使用者的協同推薦：基於使用者對物品的偏好找到相鄰鄰居使用者，然後將鄰居使用者喜歡的推薦給當前使用者。推薦過程如下圖2所示。

圖2基於物品的協同推薦：基於使用者對物品的偏好找到相似的物品，然後根據使用者的歷史偏好，推薦相似的物品給他。推薦過程如下圖3所示。

圖33）基於知識的推薦

對於一些物品來說會有很多的單次購買者，推薦系統就無法依賴購買記錄。此時系統需要利用額外的因果知識生成推薦。

在這種基於知識的方法中，推薦系統通常會用到有關當前使用者和有效物品的額外資訊。

4）混合推薦

各種推薦方法都有各自的優缺點，在實際應用中可以針對具體問題採用推薦演算法的組合進行推薦。

目的是通過組合不同的推薦策略，達到揚長避短的目的，從而產生更符合使用者需求的推薦。

3. 評價指標

1）**準確度

本次學習時間太過倉促…以後改進。