信息推荐-北京大学计算机科学技术研究所语言计算与互联网挖掘研究室.PDFVIP

《互联网数据挖掘》本科生课程 信息推荐 万小军 北京大学语言计算与互联网挖掘组 /lcwm 2014年12月17日 信息推荐无处不在 2 信息推荐无处不在 3 信息推荐无处不在 4 信息推荐无处不在 5 6 推荐动机  人类通过语言来推荐  “我喜欢这本书 ，你可能也对它感兴趣”  “我看了这部电影 ，你会喜欢它”  “不要去看那部电影”  好的推荐系统能值很多钱  增加营收  帮助用户找到用户之前并不知道的新的物品 ，例如图书、音乐、 电影、论文等。 7 信息推荐 vs. 信息检索  信息推荐：根据用户的兴趣和行为，向用户推荐用户感兴 趣的信息和物品。  信息推荐与信息检索在应用与技术上均可互补  用户信息需求非常明确 = 信息检索  例如： 查看32G白色的iphone5s的详细资料  否则, 可借助于信息推荐  例如：寻找一款适合小王使用的手机  信息检索系统不会消失，但会集成更多的信息推荐技术 8 推荐系统范型 信息推荐现状  应用非常广泛 ，几乎无处不在  电商网站、搜索网站、新闻网站、视频网站、社交媒体网站等等  推荐结果参差不齐  有好的推荐结果 我买了一件iphone5s, 系统推荐了iphone5s彩色外壳。  也有不好的推荐结果 我买了一件iphone5s, 系统推荐了iphone5c。 10 信息推荐现状  几种推荐类型  由编辑人工推荐  简单合计- 最流行的  例如：Top 10, Most Popular, Recent Uploads  为个人定制- 个性化  例如：根据每个人的购买与浏览历史为其推荐物品 11 推荐技术  基于内容的过滤/推荐 (Conent-based Filtering/Recommendation)  基于用户的历史推荐物品  基于内容特征描述来预测用户的偏好  协同过滤/推荐 (Collaborative Filtering/Recommendation)  基于用户群体行为  基于其他具有相似行为的用户为给定用户推荐物品  混合式 12 基于内容的推荐  主要思想 ：为一个用户推荐与该用户之前感兴趣的物品相 似的物品。  电影推荐 ：推荐具有相同演员、导演、类型的电影  新闻推荐 ：推荐具有相似话题的新闻  用户配置档案(User Profiling)是关键  基于用户的历史推荐物品 13 基于内容的推荐  主要思想：为一个用户推荐与该用户之前感兴趣的物品相 似的物品。  电影推荐：推荐具有相同演员、导演、类型的电影  新闻推荐：推荐具有相似话题的新闻  用户配置档案(User Profiling)是关键  可从样例内容