推荐算法
推荐算法越来越多的运用到我们的生活中,特别是在网站中,当你浏览大大小小的网站,你的行为被时刻记录着,并根据一些依据对你推荐一些物品。下面会简单介绍一下推荐算法,后续会继续对这些算法进行补充。 1.协同过滤算法 2.基于流行度的算法 3.基于模型的算法 4.混合算法 协同过滤算法 协同过滤算法有两种,一种是基于用户的协同过滤算法,一种是基于物品的协同过滤算法。 基于用户的协同过滤算法 该算法主要是找出用户的相似用户,将相似用户浏览或购买而用户没有购买的商品推荐给用户。 基于用户的协同过滤算法流程如下: 1.分析各个用户对item的评价(通过浏览记录、购买记录等); 2.依据用户对item的评价计算得出所有用户之间的相似度; 3.选出与当前用户最相似的N个用户; 4.将这N个用户评价最高并且当前用户又没有浏览过的item推荐给当前用户。 如下图: 基于物品的协同过滤算法 基于物品的协同过滤算法原理为在计算邻居时采用物品本身,而不是从用户的角度,即基于用户对物品的偏好找到相似的物品,然后根据用户的历史偏好,推荐相似的物品给他。基于物品的协同过滤算法原理大同小异,只是主体在于物品: 1.分析各个用户对item的浏览记录。 依据浏览记录分析得出所有item之间的相似度; 2.对于当前用户评价高的item,找出与之相似度最高的N个item; 3.将这N个item推荐给用户。 如下图: