推荐系统手册.docx

推荐系统手册.docx:..推荐系统手册(0)—前言推荐系统是近儿年比较新的一个领域,冃而比较完整的介绍这个领域的资料,主要是一些综述性paper。这些paper往往都各有侧重点,大多比较偏重推荐算法这-个层血,不够全面。2011年的时候,国外一些在个性化推荐领域浸淫多年的人合作写了《menderSystemHandbook》一弥补了这方而的一个空白。其实这个东西与其说是一本书,不如说是一个资料集。它的写作方式看起來是儿个大牛先拍下來应该包含哪儿部分,每一部分包括哪些topic,然后把每一个topic分给对应的人写命题作文。这样的后果就是这本手册的每一章都是不同的作者写的,导致全书的连贯性和一致性较差,也就不够权威了。然而尽管权威性不足,这本书仍然是目前能够找到的最全而的推荐系统方面的资料。鉴于此,我决定通读一遍这本书。在阅读的过程中,对每一章结合自己的理解,写一篇读书笔记。以此作为前言。推荐系统手册(1)一简介现代生活带來的-•个深刻改变是:人们的选择越来越多。我们选择看哪部电影,买哪个手机,看哪条新闻,租哪处房子…我们拥冇的决策自由越来越多,随Z而来的是,我们为这些决策付出的代价越来越多。相信人家都有过同样的经历,为了买一样东西,将网上琳琅满目的商詁页面从笫一页翻到最后一页,最后梢疲力竭,还是购买了最初看中的那一个。有句俗话说得好:只有一个选择的人是最幸福的。,即是为了把人们从信息过载的陷阱中解决出來,帮助人们进行简单决策。它的主要原理是根据用户过去的行为(比如购买、评分、点击等)来为用户建立兴趣模型,并利用一定的推荐算法,把用户最可能感兴趣的内容推荐给用户,如下图。,我们需要三部分数据:(1)用户数据:用户数据川來建立用户模型,这些数据根据不同的推荐算法而不同,典型的数据包括用户兴趣点、。⑵内容数据:内容数据是用來描述一个被推荐内容主要属性的数据,这些属性主耍都是跟具体的内容相关的,如一部电影的导演、演员、类型和风格等。⑶用户一内容数据:用户一内容交互是能反映用户与内容内在联系的数据,梵分为隐式和显式两种。显式主要是指评价、打分、购买等能明显反映用户对内容兴趣的交互数据,隐式指的是用户的点击、捜索记录等间接反映用户对内容兴趣的交互数据。,我们可以考虑不同的推荐算法。根据数据和利用数据的方式的不同,当询主流的推荐算法可以分为以下六类(不是主流的划分方法):(1)基于内容的推荐(content-based):根据用户过去喜欢的内容,推荐相似的内容⑵基于协同过滤的推荐(collaborativefiltering):根据与当前用户相似的用户的兴趣点,给当前用户推荐和似的内容(3)基于人口统计学的推荐(dcmographic-based):根据用户共同的年龄、地域等人口统计学信息进行共同的推荐⑷基于知识的推荐(knowledge-based):根据对用户和内容的特定领域知识,给特定的用户推荐特定的内容(5)munity-based):根据用户的社交好友关系,给用户推荐其好友感兴趣的内容(6)混合推荐(mendersystem):以匕各种推荐算法的特定组