大数据挖掘与应用 第17章推荐系统方法及应用.pptVIP

（b） etrec 参数设置 （a） etrec字段设置 图17-3 etrec字段和参数设置 Etrec算法在阿里云数加平台上的运算结果如图17-4所示，其中协同过滤结果，表示的是商品的关联性，itemid表示目标商品，similarity字段的冒号左侧表示与目标关联性高的商品，右边表示概率。我们可以理解为用户对于商品0和1联合购买的可能性极大，对于仅购买商品0的用户可向其推荐购买商品1. 图17-4 实验结果 完整的推荐系统由三个部分组成：收集用户信息的行为记录模块，分析用户喜好的模型分析模块和推荐算法模块。常见的推荐算法分为三种类型：基于内容的推荐算法、协同过滤推荐算法以及混合推荐算法。协同过滤（Collaborative Filtering,CF）推荐算法是推荐系统中主流的推荐算法，它又包含基于记忆的协同过滤方法和基于模型的协同过滤方法，前者又可以细分为基于用户的协同过滤推荐算法、基于物品的协同过滤推荐算法、基于用户的Top-N算法以及基于物品的Top-N算法。混合推荐算法通过将多种推荐技术进行混合来互相弥补缺点，它可以细分为加权型、转换型、合并型、特征组合型、瀑布型、特征递增型以及元层次型等多种类型。 17.6 小结 1. 简述基于内容的推荐算法的原理和算法步骤。 2. 简述基于内容的推荐算法的优缺点。 3. 简述协同过滤推荐算法的分类及其原理。 4. 简述协同过滤推