用户个性化偏好的描述能力较弱–基于内容的推荐:通过机器学习的方法去描述内容的特征,并基于内容的特征来发现与之相似的内容–协同过滤推荐:应用最早和最为成功的推荐方法之一,利用与目标用户相似的用户已有的商品评价信息,来预测目标用户对特定商品的喜好程度–混合推荐: 结合多种推荐算法来提升推荐效果 11.1.3 推荐方法《大数据技术原理与应用》厦门大学计算机科学系林子雨 ziyulin@xmu. ?一个完整的推荐系统通常包括 3个组成模块:用户建模模块、推荐对象建模模块、推荐算法模块: –用户建模模块: 对用户进行建模, 根据用户行为数据和用户属性数据来分析用户的兴趣和需求–推荐对象建模模块:根据对象数据对推荐对象进行建模–推荐算法模块: 基于用户特征和物品特征,采用推荐算法计算得到用户可能感兴趣的对象,并根据推荐场景对推荐结果进行一定调整,将推荐结果最终展示给用户 11.1.4 推荐系统模型图 11-1 推荐系统基本架构《大数据技术原理与应用》厦门大学计算机科学系林子雨 ziyulin@xmu. ?目前在推荐系统已广泛应用于电子商务、在线视频、在线音乐、社交网络等各类网站和应用中?如亚马逊网站利用用户的浏览历史记录来为用户推荐商品,推荐的主要是用户未浏览过,但可能感兴趣、有潜在购买可能性的商品 11.1.5 推荐系统的应用图 11-2 亚马逊网站根据用户的浏览记录来推荐商品《大数据技术原理与应用》厦门大学计算机科学系林子雨 ziyulin@xmu. ?推荐系统在在线音乐应用中也逐渐发挥作用。音乐相比于电影数量更为庞大,个人口味偏向也更为明显,仅依靠热门推荐是远远不够的?虾米音乐网根据用户的音乐收藏记录来分析用户的音乐偏好,以进行推荐。例如,推荐同一风格的歌曲,或是推荐同一歌手的其他歌曲 11.1.5 推荐系统的应用图 11-3 虾米音乐网根据用户的音乐收藏来推荐歌曲
全文预览
