求剧情
推荐系统实践 · 第二十六节

《推荐系统实践》第二十六节

本节讨论如何在推荐系统中利用社交网络信息。首先介绍基于图的社会化推荐算法:将社交网络图与用户物品二分图合并为一个统一的图模型,用户与用户之间连边表示好友关系……

本节讨论如何在推荐系统中利用社交网络信息。首先介绍基于图的社会化推荐算法:将社交网络图与用户物品二分图合并为一个统一的图模型,用户与用户之间连边表示好友关系,用户与物品之间连边表示行为关系,并通过权重系数调节社交关系与历史行为对推荐结果的影响程度,最后用PersonalRank算法生成推荐。该模型还能加入社群节点,同时刻画好友关系与同社群关系。

其次分析了实际系统中的落地问题:基于邻域的算法需要实时查询大量好友的行为数据,代价过高。可行的改进包括截断好友数量、限制查询时间范围,或者参照Twitter的做法,为每个用户维护一个消息队列,用户行为发生时主动写入关注者队列,读取时再重新计算物品权重。

最后介绍了社会化推荐的评测。由于其优势在于提升用户信任度而非预测准确率,离线评测往往难以奏效。Sinha和Swearingen通过用户调查对比了协同过滤系统与好友推荐,结果显示好友推荐在满意度上明显更高,但该实验存在非双盲、样本量小等问题,建议在实际系统中通过AB测试验证。此外,本节还提到信息流推荐这一新兴方向,即帮助用户从好友动态墙中筛选有用信息。

‹ 上一章目录下一章 ›

全部 32 章