【机器学习】推荐系统推荐算法综述

简介: 【1月更文挑战第10天】【机器学习】推荐系统推荐算法综述

1.推荐系统:

        推荐系统的目的就是为了让用户更快更好的获取到自己需要的内容。

        推荐算法应用场景:

应用场景.png应用场景.png

        推荐系统基本思想:

  • 利用用户和物品的特征信息,给用户推荐那些具有用户喜欢的特征的物品。
  • 利用用户喜欢过的物品,给用户推荐与他喜欢过物品的相似物品。
  • 利用和用户相似的其他用户,给用户推荐那些和他们兴趣爱好相似的其他用户喜欢的物品。

        推荐系统数据分析:

  • 要推荐物品或者内容的元数据,例如:关键字、分类标签、基因描述等
  • 系统用户的基本信息,例如:性别、年龄、兴趣标签等
  • 用户的行为数据,可以专转化为对物品或者信息的偏好,根据应用本身的不同,可能包括用户对物品的评分,用户查看物品的记录,用户的购买记录等。这些用户偏好信息可以被分为两类:

    • 显式的用户反馈:这类是用户在网站上自然浏览或者使用网站以外,显示提供反馈信息,例如用户对商品进行评分,或者对物品进行评论等。
    • 隐式的用户反馈:这类是用户在使用网站过程中产生的数据,隐式的反应了用户对物品的喜好,例如用户购买了某物品,用户查看了某物品信息等等。

Snipaste_2024-01-14_17-10-55.pngSnipaste_2024-01-14_17-10-55.png

2.推荐算法综述:

  • 基于人口统计学推荐算法:

  • 基于内容的推荐算法:

  • 基于协同过滤的推荐算法:

        协同过滤(Collaborative Filtering,CF)

        基于近邻的协同过滤:基于用户(User-CF)、基于物品(Item-CF)

        基于模型的协同过滤:奇异值分解(SVD)、潜在语义分析(LSA)、支撑向量机(SVM)


        基于内容(Content Base,CB)主要利用的是用户评价过的物品的内容特征,而CF方法还可以利用其他用户评分过的物品内容。
CF 可以解决一些 CB 的局限:

  1. 物品内容不完全或者难以获得时,依然可以通过其他用户反馈给出推荐。
  2. CF基于用户之间对物品的评价质量,避免了CB仅依赖内容可能造成的对物品质量判断的干扰。
  3. CF推荐不受内容限制,只要其他类似用户给出了对不同物品的兴趣,CF就可以给用户推荐出内容差异很大的物品(但有某种内在联系)

        基于用户的协同过滤

        基于物品的协同过滤

  • 混合推荐算法:

        实际网站的推荐系统往往都不会采用单一的推荐机制和策略,一般使用多个方法混合在一起,从而实现更好的推荐效果。

        加权混合:用线性公式(liner formula)将几种不同的推荐按照一定的权重组合起来,具体权重的值需要在测试数据集上反复实验,从而达到最好的推荐效果。

        切换混合:切换的混合方式,就是在允许不同情况(数据量、系统运行状态、用户和物品数量等)选择最合适的推荐机制计算推荐。

        分区混合:采用多种推荐机制,并将不同的推荐结果分为不同的区显示给用户。

        分层混合:采用多种推荐机制,并将一个推荐机制的结果作为另外一个的输入,从而综合各个推荐机制的优缺点,得到更加准确的推荐。

相关文章
|
4天前
|
机器学习/深度学习 数据采集 自然语言处理
理解并应用机器学习算法:神经网络深度解析
【5月更文挑战第15天】本文深入解析了神经网络的基本原理和关键组成,包括神经元、层、权重、偏置及损失函数。介绍了神经网络在图像识别、NLP等领域的应用,并涵盖了从数据预处理、选择网络结构到训练与评估的实践流程。理解并掌握这些知识,有助于更好地运用神经网络解决实际问题。随着技术发展,神经网络未来潜力无限。
|
1天前
|
机器学习/深度学习 算法 数据处理
探索机器学习中的决策树算法
【5月更文挑战第18天】探索机器学习中的决策树算法,一种基于树形结构的监督学习,常用于分类和回归。算法通过递归划分数据,选择最优特征以提高子集纯净度。优点包括直观、高效、健壮和可解释,但易过拟合、对连续数据处理不佳且不稳定。广泛应用于信贷风险评估、医疗诊断和商品推荐等领域。优化方法包括集成学习、特征工程、剪枝策略和参数调优。
|
3天前
|
机器学习/深度学习 算法 数据挖掘
【机器学习】K-means算法与PCA算法之间有什么联系?
【5月更文挑战第15天】【机器学习】K-means算法与PCA算法之间有什么联系?
|
3天前
|
机器学习/深度学习 算法 数据挖掘
【机器学习】维度灾难问题会如何影响K-means算法?
【5月更文挑战第15天】【机器学习】维度灾难问题会如何影响K-means算法?
|
4天前
|
机器学习/深度学习 算法 数据挖掘
【机器学习】聚类算法中,如何判断数据是否被“充分”地聚类,以便算法产生有意义的结果?
【5月更文挑战第14天】【机器学习】聚类算法中,如何判断数据是否被“充分”地聚类,以便算法产生有意义的结果?
|
4天前
|
机器学习/深度学习 运维 算法
【机器学习】可以利用K-means算法找到数据中的离群值吗?
【5月更文挑战第14天】【机器学习】可以利用K-means算法找到数据中的离群值吗?
|
4天前
|
机器学习/深度学习 数据采集 搜索推荐
探索机器学习在推荐系统中的应用
【5月更文挑战第15天】本文探讨了机器学习在推荐系统中的应用,强调其在数据预处理、个性化建模、内容过滤及解决冷启动问题中的作用。协同过滤、矩阵分解、深度学习和强化学习是常用算法。尽管面临数据处理、准确性与多样性平衡、兴趣变化等挑战,但未来机器学习有望通过结合先进算法提升推荐系统性能,同时需关注隐私和伦理问题。
|
4天前
|
机器学习/深度学习 分布式计算 并行计算
【机器学习】怎样在非常大的数据集上执行K-means算法?
【5月更文挑战第13天】【机器学习】怎样在非常大的数据集上执行K-means算法?
|
4天前
|
机器学习/深度学习 算法 数据挖掘
【机器学习】列举几种情况,在这些情况下K-means算法难以取得较好效果
【5月更文挑战第13天】【机器学习】列举几种情况,在这些情况下K-means算法难以取得较好效果
|
4天前
|
机器学习/深度学习 传感器 算法
【机器学习】在聚类算法中,使用曼哈顿距离和使用欧式距离有什么区别?
【5月更文挑战第12天】【机器学习】在聚类算法中,使用曼哈顿距离和使用欧式距离有什么区别?

热门文章

最新文章