隐语义模型(Latent Factor Model)
1. 隐含语义技术简介
假设用户 A 的兴趣涉及侦探小说、科普图书以及一些计算
机技术书,而用户 B 的兴趣比较集中在数学和机器学习方面。
那么,如何给 A 和 B 推荐图书呢?
除了 UserCF 和 ItemCF,还有一种方法:对用户的兴趣和
书进行分类。对于某个用户,首先得到他的兴趣分类,然后从
分类中挑选他可能喜欢的物品。
总结一下,这个基于兴趣分类的方法大概需要解决 3 个问
题:
(1) 如何给物品进行分类?
(2) 如何确定用户对哪些类的物品感兴趣,以及感兴趣的程
度?
(3) 对于一个给定的类,选择哪些属于这个类的物品推荐给
用户,以及如何确定这些物品在一个类中的权重?
对于第一个问题,简单的解决方案是找编辑给物品分类。
每本图书出版时,编辑都会给书一个分类。为了给图书分类,
出版界普遍遵循中国图书分类法。但是编辑分类存在以下的缺
点:
编辑分类大部分是从书的内容出发,而不是从书的读者
群出发,不能代表各种用户的意见。比如,有人认为
《具体数学》应该属于数学,有人认为属于计算机。从
评论18
最新资源