推荐系统入门详细教程.pdf
需积分: 2 61 浏览量
2024-06-26
17:12:34
上传
评论
收藏 469KB PDF 举报
推荐系统入门详细教程
本文将深入介绍推荐系统的工作原理，和其中涉及的各种推荐机制，以及它们各自的优缺点和适用场
景，帮助用户清楚的了解和快速构建适合自己的推荐系统。
1 信息发现
随着 Web 2.0 的发展， Web 已经变成数据分享的平台，如何让人们在海量的数据中想要找到他们需要
的信息将变得越来越难。
在这样的情形下，搜索系统（Google，Bing，百度等等）成为大家快速找到目标信息的最好途径。 在
用户对自己需求相对明确的时候，用搜索系统很方便的通过关键字搜索很快的找到自己需要的信息。但
搜索系统并不能完全满足用户对信息发现的需求，那是因为在很多情况下，用户其实并不明确自己的需
要，或者他们的需求很难用简单的关键字来表述。又或者他们需要更加符合他们个人口味和喜好的结
果，因此出现了推荐系统，与搜索系统对应，大家也习惯称它为推荐系统。
随着推荐系统的出现，用户获取信息的方式从简单的目标明确的数据的搜索转换到更高级更符合人们使
用习惯的信息发现。
如今，随着推荐技术的不断发展，推荐系统已经在电子商务 (E-commerce，例如 Amazon，当当 ) 和一
些基于 social 的社会化站点 ( 包括音乐，电影和图书分享，例如豆瓣 ) 都取得很大的成功。 这也进一步
的说明了，Web2.0 环境下，在面对海量的数据，用户需要这种更加智能的，更加了解他们需求，口味
和喜好的信息发现机制。
2 推荐系统
推荐系统利用特殊的信息过滤技术，将不同的物品或内容推荐给可能对它们感兴趣的用户。
RC工作原理图
这里将推荐系统看作黑盒，输入是推荐的数据源，一般推荐系统所需数据源包括
要推荐物品或内容的元数据 例如关键字，基因描述等
系统用户的基本信息 例如性别，年龄等
用户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 用户的偏好信息可以分为两类
显式的用户反馈 用户在网站上自然浏览或者使用网站以外，显式的提供反馈信息 例如用户对
物品的评分，或者对物品的评论 显式的用户反馈能准确的反应用户对物品的真实喜好，但需
要用户付出额外的代价
隐式的用户反馈 用户在使用网站时产生的数据，隐式的反应了用户对物品的喜好 例如用户购
买了某物品，用户查看了某物品的信息等 隐式的用户反馈，通过一些分析和处理，也能反映
用户的喜好，只是数据不是很精确，有些行为的分析存在较大的噪音，但只要选择正确的行为
特征，隐式的用户反馈也能得到很好的效果，只是行为特征的选择可能在不同的应用中有很大
的不同，例如在电子商务的网站上，购买行为其实就是一个能很好表现用户喜好的隐式反馈。
资源评论
