求剧情
推荐系统实践 · 第八节

《推荐系统实践》第八节

本节介绍基于用户行为数据的推荐算法,即协同过滤算法。用户行为数据以日志形式存储,按明确性分为显性反馈(如评分、喜欢/不喜欢)和隐性反馈(如页面浏览),按方向分为正反馈和负反馈……

本节介绍基于用户行为数据的推荐算法,即协同过滤算法。用户行为数据以日志形式存储,按明确性分为显性反馈(如评分、喜欢/不喜欢)和隐性反馈(如页面浏览),按方向分为正反馈和负反馈;不同网站应根据自身特点设计反馈方式。行为可统一表示为用户、对象、种类、上下文、内容和权重六部分,常见的数据集有无上下文的显性反馈数据集和有上下文的隐性反馈数据集。

在用户行为分析方面,用户的活跃度和物品的流行度都近似服从长尾分布;而且用户越活跃,越倾向于浏览冷门物品。协同过滤算法主要分为基于用户的协同过滤(推荐兴趣相似用户喜欢的物品)和基于物品的协同过滤(推荐与用户过往喜欢物品相似的物品)。本章后续将使用MovieLens数据集,忽略评分高低,通过离线实验研究TopN推荐问题。

‹ 上一章目录下一章 ›

全部 32 章