第8章-推荐系统.pptxVIP

高级大数据人才培养丛书之一，大数据挖掘技术与应用DATA MINING数据挖掘刘 鹏 张 燕 　 总主编王朝霞 　主编　 　 施建强 杨慧娟 陈建彪 副主编曹 洁 宁亚辉 王伟嘉 袁晓东 张卫明 编者（按姓氏首字母排序） 高级大数据人才培养丛书之一，大数据挖掘技术与应用第八章　推荐系统 推荐系统（Recommendation System，简称RS）技术，它根据用户的兴趣、行为、情景等信息，把用户最可能感兴趣的内容主动推送给用户。近年来，推荐系统技术得到了长足的发展，不但成为学术研究的热点之一，而且在电子商务、在线广告、社交网络等重要的互联网应用中大显身手。Moreof91高级大数据人才培养丛书之一，大数据挖掘技术与应用第八章　推荐系统8.4　其他推荐技术8.2　基于内容的推荐8.3　协同过滤3.1　数据挖掘概述8.1　推荐系统概念8.5　实战：基于协同过滤算法推荐电影习题of918.1 推荐系统概念第八章 推荐系统8.1.1 基本概念 人们在日常工作和决策时经常采用找朋友聊聊、从可信的第三方获取信息、在互联网上咨询、凭直觉或索性随大流等方法获得建议。然而，上述方法带来的决策并不那么有效，大多数情况下，花费了大量的时间和金钱，结果总是让人半信半疑，例如：推销员大献殷勤的建议并不那么有用；凭感觉跟着邻居或好友投资，却没有真正给我们带来收益；无休止地花费时间在互联网上会导致困惑，却不能做出迅速而正确的决定。of918.1 推荐系统概念第八章 推荐系统8.1.1 基本概念 随着Web技术的发展，每天都有大量的图片、博客、视频发布到网上。一方面，内容的创建和分享变得越来越容易，另一方面，互联网信息的爆炸式增长和种类的纷繁复杂使得人们找到他们需要的信息、作出最恰当的选择是非常困难的。如何解决信息过载问题？ 搜索引擎 推荐系统 of918.1 推荐系统概念第八章 推荐系统8.1.1 基本概念 推荐系统和搜索引擎的异同点： 相同点：都是一种帮助用户快速发现有用信息的工具不同点：搜索引擎需要用户主动提供准确的关键词来寻找信息推荐系统不需要用户提供明确的需求，而是通过分析用户的历史行为给用户的兴趣建模从某种意义上说，推荐系统和搜索引擎对于用户来说是两个互补的工具搜索引擎满足了用户有明确目的时的主动查找需求推荐系统能够在用户没有明确目的的时候帮助他们发现感兴趣的新内容of918.1 推荐系统概念第八章 推荐系统8.1.1 基本概念 从根本上来讲，推荐系统是通过为用户指引该用户陌生的新物品来解决信息过载现象的，这些新物品或许与该用户当前的需求有关。针对用户每一个清晰表达的请求，根据不同的推荐方法和用户所处的环境和需求，推荐系统利用存储在自定义数据库的关于用户、可用物品以及先前交易的数据和各种类型的其他知识产生推荐内容。然后用户可以浏览推荐的内容，用户可能接受也可能不接受推荐，也可能马上或者过一段时间提供隐式或者显式的反馈，所有这些用户的行为和反馈可以存储在推荐数据库，并且可用于在下一次用户和系统相互作用时产生新的推荐。of918.1 推荐系统概念第八章 推荐系统8.1.2 发展历史 相比于其他经典的信息系统的工具和技术，如数据库和搜索引擎，推荐系统的研究是相对较新的。在20世纪90年代中期，推荐系统成为一个独立的研究领域。回顾推荐系统发展过程，到目前为止可分为四个阶段[4]： 1.探索性阶段 本阶段主要以早期的协同过滤系统为代表。如Tapestry系统，GroupLens系统。 这一阶段的标志性实践是1996年3月在伯克利举办的协同过滤专题研讨会of918.1 推荐系统概念第八章 推荐系统8.1.2 发展历史 2.商业化阶段 信息大爆炸的互联网环境下，人们对精准有效信息的渴求催生了推荐系统的出现，因此，推荐系统的商业化几乎刻不容缓。MIT的Pattie Maes研究组于1995年创立了Agents公司（后来更名为萤火虫网络，Firefly Networks）。美国明尼苏达州的GroupLens研究组于1996年创立了Net Perceptions。 在商业化推进的过程中，推荐系统的商业化应用遇到了实验室里未曾面临的真实挑战：必须在不降低现有Web站点速度的情况下证明能够提供有价值的推荐，这些系统必须能够在大大超越实验室规模的情况下运行（处理上百万的用户和物品以及每秒成百上千的交易）。of918.1 推荐系统概念第八章 推荐系统8.1.2 发展历史 3.大爆发阶段 2000至2005年间，一方面，互联网泡沫逐渐破灭，另一方面，推荐系统被整合到更全面的商业产品线的主流公司，许多专用的推荐系统公司逐渐消亡了。然而，推荐系统作为一门技术仍然存在，并广泛应用在电子商务、大规