推荐系统

用手机看条目

出自 MBA智库百科(https://wiki.mbalib.com/)

目录

什么是推荐系统

  推荐系统是一种信息过滤系统,用于预测用户对物品的“评分”或“偏好”。

  推荐系统近年来非常流行,应用于各行各业。推荐的对象包括:电影、音乐、新闻、书籍、学术论文、搜索查询、分众分类、以及其他产品。也有一些推荐系统专门为寻找专家、合作者、笑话、餐厅、美食、金融服务生命保险、网络交友,以及Twitter页面设计。

推荐系统的阐述

  推荐系统产生推荐列表的方式通常有两种:协同过滤以及基于内容推荐,或者基于个性化推荐。协同过滤方法根据用户历史行为(例如其购买的、选择的、评价过的物品等)结合其他用户的相似决策建立模型。这种模型可用于预测用户对哪些物品可能感兴趣(或用户对物品的感兴趣程度)。基于内容推荐利用一些列有关物品的离散特征,推荐出具有类似性质的相似物品。两种方法经常互相结合(参考混合推荐系统) 协同过滤和基于内容推荐的区别可以比较两个流行的音乐推荐系统 --- Last.fm 和 Pandora Radio.

  Last.fm 建立通过观察用户日常收听的乐队或歌手,并与其它用户的行为进行比对,建立一个“电台”,以此推荐歌曲。Last.fm 会播放不在用户曲库中,但其他相似用户经常会播放的其它音乐。鉴于这种方式利用了用户行为,因此可以认为它是协同过滤技术的一种应用范例。

  Pandora 使用歌曲或者艺人的属性(由音乐流派项目提供的400个属性的子集)从而生成一个电台,其中的乐曲都有相似的属性。用户的反馈用于精化电台中的内容。在用户“不喜欢”某一歌曲时,弱化某一些属性;在用户喜欢某一歌曲时,强化另一些属性。这是一种基于内容推荐的方式。

  每一种系统都有其长处与弱点。在上面的例子中,为了提供精准推荐,Last.fm 需要大量用户信息。这是一个冷启动问题,在协同过滤系统中是常见的问题。而 Pandora 启动时则仅需要很少信息,然而这种方法的局限性很大(例如,这类方法只能得出与原始种子相似的推荐)。

  推荐系统是一种有效代替搜索算法的方式,因为他们帮助用户找到一些他们自己没有办法找到的物品。有趣的是,推荐系统在实现之时通常使用搜索引擎对非传统数据索引。 Montaner 从智能代理角度给出了有关推荐系统的第一篇综述文章。Adomavicius给出了一种新的有关推荐系统的全景。Herlock提供了有关评价推荐系统的技术综述。Beel等讨论了离线评价中的问题。Beel等同事也提供了现有有关推荐系统的研究文献与现存挑战。

本条目对我有帮助2
MBA智库APP

扫一扫,下载MBA智库APP

分享到:
  如果您认为本条目还有待完善,需要补充新内容或修改错误内容,请编辑条目

本条目由以下用户参与贡献

苏青荇.

评论(共0条)

提示:评论内容为网友针对条目"推荐系统"展开的讨论,与本站观点立场无关。

发表评论请文明上网,理性发言并遵守有关规定。

打开APP

以上内容根据网友推荐自动排序生成