互联网推荐系统技术简介精选.pdfVIP

  1. 1、原创力文档(book118)网站文档一经付费(服务费),不意味着购买了该文档的版权,仅供个人/单位学习、研究之用,不得用于商业用途,未经授权,严禁复制、发行、汇编、翻译或者网络传播等,侵权必究。。
  2. 2、本站所有内容均由合作方或网友上传,本站不对文档的完整性、权威性及其观点立场正确性做任何保证或承诺!文档内容仅供研究参考,付费前请自行鉴别。如您付费,意味着您自己接受本站规则且自行承担风险,本站不退款、不进行额外附加服务;查看《如何避免下载的几个坑》。如果您已付费下载过本站文档,您可以点击 这里二次下载
  3. 3、如文档侵犯商业秘密、侵犯著作权、侵犯人身权等,请点击“版权申诉”(推荐),也可以打举报电话:400-050-0827(电话支持时间:9:00-18:30)。
  4. 4、该文档为VIP文档,如果想要下载,成为VIP会员后,下载免费。
  5. 5、成为VIP后,下载本文档将扣除1次下载权益。下载后,不支持退款、换文档。如有疑问请联系我们
  6. 6、成为VIP后,您将拥有八大权益,权益包括:VIP文档下载权益、阅读免打扰、文档格式转换、高级专利检索、专属身份标志、高级客服、多端互通、版权登记。
  7. 7、VIP文档为合作方或网友上传,每下载1次, 网站将根据用户上传文档的质量评分、类型等,对文档贡献者给予高额补贴、流量扶持。如果你也想贡献VIP文档。上传文档
查看更多
互联网推荐系统技术简介精选

互联网推荐系统 技术简介 福建新大陆软件工程公司 2014年5月 目录 背景简介 推荐原理 互联网推荐系统参考 移动电信行业的推荐系统探讨 22 为何要推荐 主动搜索 系统推荐 信息超载 +时间有限 •知道自己要什么 •不知道去哪里找 •知道如何去描述 •不知道如何去描述 主动搜索+系统推荐 33 电商推荐案例-亚马逊 Amazon 利用可以记录的所有用户在站点上的行为,根据不同数据的特点对它们进行 处理,并分成不同区为用户推送推荐:  基于社会化的推荐,Amazon 会给你事实的数据,让用户信服,例如:购买此物品 的用户百分之多少也购买了那个物品;  基于物品本身的推荐,Amazon 也会列出推荐的理由,例如:因为你的购物框中有 *** ,或者因为你购买过*** ,所以给你推荐类似的***。 44 社交推荐案例-豆瓣 豆瓣基于社会化的协同过滤的推荐 ,用户越多,用户的反馈越多,那么推荐的效果会 越来越准确。 相对于Amazon 的用户行为模型,豆瓣电影的模型更加简单,就是“看过”和“想 看”,这也让他们的推荐更加专注于用户的品味,毕竟买东西和看电影的动机还是有 很大不同的。 另外,豆瓣也有基于物品本身的推荐,当你查看一些电影的详细信息的时候,他会给 你推荐出“喜欢这个电影的人也喜欢的电影” 55 目录 背景简介 推荐原理 互联网推荐系统参考 移动电信行业的推荐系统探讨 66 推荐引擎工作原理 推荐引擎所需要的数据源包括:  要推荐物品或内容的元数据,例如关键字, 基因描述等;  系统用户的基本信息,例如性别,年龄等  用户对物品或者信息的偏好,根据应用本 身的不同,可能包括用户对物品的评分, 用户查看物品的记录,用户的购买记录等。 其实这些用户的偏好信息可以分为两类:  显式的用户反馈:这类是用户在网站上自 然浏览或者使用网站以外,显式的提供反 馈信息,例如用户对物品的评分,或者对 物品的评论。  隐式的用户反馈:这类是用户在使用网站 是产生的数据,隐式的反应了用户对物品 的喜好,例如用户购买了某物品,用户查 看了某物品的信息等等。 推荐引擎根据不同的推荐机制可能用到数据源 中的一部分,根据这些数据,分析出一定的规 则或者直接对用户对其他物品的喜好进行预测 计算。在用户进入的时候给他推荐他可能感兴 趣的物品。

文档评论(0)

tazhiq2 + 关注
实名认证
文档贡献者

该用户很懒,什么也没介绍

1亿VIP精品文档

相关文档