基于电商类互联网产品的推荐系统的分析与研究.pdfVIP

随着电子商务规模的进一步扩大,为用户提供越来越多选择 推荐系统模拟商店销售人员向用户提供商品推荐,帮助用 的同时,带来了信息超载的问题，用户面对大量的商品信息 户找到所需商品,从而顺利完成购买过程,因此可以有效保 束手无策,用户经常会迷失在大量的商品信息空间中,无法顺 留用户,提高电子商务系统的销售。 利找到自己需要的商品。 推荐系统的非形式化概念: “它是利用电子商务网站/应用向客户提供商品信息和建议, 希助用户决定应该购买什 么产品, 模拟销售人员帮助客户完成购买过程”. 对象 推荐 用户 方法 推荐有3 个组成要素:推荐候选对象、用户、推荐方法. 存储 偏好数据库 提供偏好 偏好寻找 知识数据库 寻求偏好 用户 寻求推荐 推荐 内容数据库 提供推荐 用户可以向推荐系统主动提供个人偏好信息或推荐请求，或者用户不提供，而是推荐系统主动采集。推荐系统可以使用不 同的推荐策略进行推荐，如将采集到的个性化信息和对象数据进行计算得到推荐结果，或者直接基于已建模的知识数据库 进行推荐。推荐系统将推荐结果返回给用户使用。 基于内容的推荐系统 （简称CB ）是建立在项目的内容信息上作出推荐的，而不需要依据用户对项目的评价意见，更多 地需要用机器学习的方法从关于内容的特征描述的事例中得到用户的兴趣资料。 User1 A B C ? User2 A C E F User3 B D 解决的问题是：决定对User1是不是应该推荐F这部电影? 基于内容的做法：要分析F的特征和U1所喜欢的A、B、C的特征，需要知道的信息是A （战争片），B （战争片），C （剧情片），如果F （战争片），那么F很大程度上可以推荐给U1 ，这是基于内容的做法，你需要对item进行特征建 立和建模。 基于协同过滤的推荐系统 （简称CF ）可以说是从用户的角度进行推荐的, 通过隐式和显式两种方式。隐式方式通过用户浏 览或购买过的商品推断用户兴趣爱好。显式方式则让用户直接输入用户对商品的评分和文本信息等。 User1 A B C ? User2 A C E F User3 B D 解决的问题是：决定对User1是不是应该推荐F这部电影? 协同过滤的做法 ：可以完全忽略内容项的建模，因为这种办法的决策是依赖user和item之间的关系，也就是这里的用户和 电影之间的关系。我们不再需要知道ABCF哪些是战争片，哪些是剧情片，我们只需要知道用户U1和U2按照内容项向量表 示，他们的相似度比较高，那么我们可以把U2所喜欢的F这部影片推荐给U1。 一、基于物品自身相似度 例如：衣服A和衣服B ， 在分类、价格段、属性、风格、品牌定位等等其他 属性纬度的表现，来计算它们之间的相似度。 如果相似度高，那么在有用户浏览A的时候，就可 以推荐B。 二、基于用户纬度的