推荐系统是数据科学中信息过滤系统的一个组成部分,它被广泛用于根据用户之前的选择以及研究其他人的模式来识别用户可能选择的模式选择了。 事实上,在向用户提供推荐方面,推荐永远不可能是百分之一的正确,但可以足够接近以在一定程度上取悦他们。 因此,如今在行业中广泛使用相同的方法以获得更高的利润并在市场上占有一席之地。 每家公司的数据科学家都会设计一些算法来研究来自社交网络的信息并对数据进行聚类。 可以有一个单一的分类算法,如 k-Means 聚类或隐马尔可夫模型,也可以通过装袋和提升技术来完成。 通过这种将电影或产品展示到特定客户的个人资料中的技术,他们不仅可以增加业务,还可以增强客户体验,但存在与标准技术相关的几个问题,如冷启动问题、尖锐攻击等。从而扩大该领域的研究范围。 这项工作涉及协同过滤和基于内容的过滤,以形成社交网站的产品和电影推荐系统,该系统展示了协同过滤的有效性并描绘了基于内容的过滤所面临的挑战。