推荐系统中的算法课件.ppt

1）收集用户偏好 通过用户的行为诸如评分，投票，转发，保存，书签，标记，评论，点击流，页面停留时间，是否购买等获得。所有这些信息都数字化，用一个二维矩阵表示出来。 2）数据减噪与归一化操作 用户偏好的二维矩阵，一维是用户列表，另一维是物品列表，值是用户对物品的偏好，一般是 [0,1] 或者 [-1, 1] 的浮点数值。 3）找相似的用户和物品，计算相似用户或相似物品的相似度。 4）根据相似度作为用户、物品的协同过滤推荐。 协同过滤推荐，一般要做好以下几个步骤： 总结 Apriori 协同过滤 书籍推荐 推荐系统 推荐系统 1、什么是推荐系统 2、为什使用推荐系统 3、推荐系统中的算法 为什么使用推荐系统 促进厂商商品销售，帮助用户找到想要的商品 推荐系统无处不在，体现在生活的各个方面 图书推荐；QQ好友推荐；优酷，爱奇艺的视频推荐；豆瓣的音乐推荐；大从点评的餐饮推荐；世纪佳缘的相亲推荐；智联招聘的职业推荐。 亚马逊的推荐系统深入到网站的各类商品，为亚马逊带来了至少30%的销售额。 推荐引擎工作原理 推荐系统主要向用户推荐可能感兴趣商品的系统。系统会给用户以TopN推荐给用户商品。 系统主要使用的数据是用户的历史商品购买记录，这部分数据存放在公司的数据库中。 Mahout的推荐系统整体架构 推荐系统的实现 推荐系