-
基于内容的推荐与基于领域的推荐
- 最广泛
-
基于领域的算法又分为两大类,
- 基于用户的协同过滤
- 基于物品的协同过滤
- 就是直接给用户推荐和他之前喜欢的物品相似的物品。
-
本章介绍基于内容的推荐与基于领域的算法
-
采用以上算法,可能会冷启动
- 结合深度学习
- 本章几个采用深度学习算法解决冷启动问题
4.1基于内容的推荐算法
- 基于内容的推荐系统本质是对内容分析,建立特征;
- 基于用户对何种特征的内容感兴趣以及分析一个内容具备什么特征来进行推荐。
- 第一部分: 基于内容的推荐系统的基本概念与流程,及其主要优势和缺点。
- 第二部分: 如何从非结构化信息中提取物品的特征,从而帮助我们完善基于内容的推荐。
4.1.1基于內容的推荐算法基本流程
- 基于内容的推荐
- 根据这些物品的内容属性和用户历史评分或操作记录,
- 计算出用户对不同内容属性的爱好程度,再根据这些爱好推荐其他相同属性的物品。
- (见表4.1),假设每一部电影,都由爱情、科幻属性组成:
- A对《银河护卫队》《变形金刚》《星际迷航》科幻平均4.7
- 三生三世《美人鱼》《北京遇上西雅图》爱情平均2.3分
- A对科幻电影有偏好
- 推荐系统预测A在独立日上评分时,
- 可用A在所有科幻电影上的平均分4.7分替换
- 可预测A在七月与安生的评分为2.3分,因此推荐系统优先将独立日推荐给A
- 对B,爱情电影上平均分更高,故而推荐系统会将三生三世推荐给B
- 很多视频APP,都有类似的基于内容的推荐方法,见图4.1
