数据挖掘（第2版） 课件 王朝霞 第8、9章 推荐系统、 互联网数据挖掘.pptx

高级大数据人才培养丛书之一，大数据挖掘技术与应用数据挖掘（第二版）

第八章推荐系统of912高级大数据人才培养丛书之一，大数据挖掘技术与应用推荐系统（RecommendationSystem，RS）是互联网时代的一种信息检索工具，自从20世纪90年代以一个独立的概念推出以来，至今已经取得了长足的进步。如今，推荐系统已经成为一门独立的学科，在学术研究和工业应用中取得了很多成果，特别是在社交网站、电子商务、影音娱乐等领域，推荐系统已经成为必不可少的工具。More

8.1推荐系统概述第八章推荐系统8.2基于内容的推荐8.3协同过滤3.1数据挖掘概述8.5实战：搭建一个电影推荐系统习题8.4基于标签的推荐of913高级大数据人才培养丛书之一，大数据挖掘技术与应用

推荐系统也称为个性化推荐系统。它本质上是一种信息过滤系统，通过一定的算法在海量数据中过滤掉用户不太可能产生行为的物品，从而为用户推荐所需要的物品。8.1.1什么是推荐系统of9148.1推荐系统概述第八章推荐系统

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8.1.1什么是推荐系统of9158.1推荐系统概述第八章推荐系统

推荐系统和搜索引擎的异同点：8.1.1什么是推荐系统of9168.1推荐系统概述第八章推荐系统相同点：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

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。8.1.1什么是推荐系统of9178.1推荐系统概述第八章推荐系统

用户满意度：用户作为推荐系统的重要参与者，用户满意度是评测推荐系统的最重要指标。但是，用户满意度无法离线计算，只能通过用户调查或者在线实验获得。用户调查获得用户满意度主要是通过调查问卷的形式。在在线系统中，用户满意度主要通过一些对用户行为的统计得到。比如在电子商务网站中，用户如果购买了推荐的商品，就表示他们在一定程度上满意，因此，我们可以利用购买率度量用户的满意度。此外，一些网站会通过设计用户反馈界面收集用户满意度。更一般的情况下，我们可以用点击率、用户停留时间和转化率等指标度量用户的满意度。8.1.2推荐系统评测指标of9188.1推荐系统概述第八章推荐系统

多样性：用户的兴趣是广泛的，在一个视频网站中，用户可能既喜欢看《千与千寻》一类的动画片，也喜欢看成龙的动作片。那么，为了满足用户广泛的兴趣，推荐列表需要能够覆盖用户不同的兴趣领域，即推荐结果需要具有多样性。多样性描述了推荐列表中物品两两之间的不相似性。因此，多样性和相似性是对应的。新颖性：新颖的推荐是指给用户推荐那些他们以前没有听说过的物品。评测新颖度的最简单方法是利用推荐结果的平均流行度，因为越不热门的物品越可能让用户觉得新颖。因此，如果推荐结果中物品的平均热门程度较低，那么推荐结果就可能有比较高的新颖性。但是，用推荐结果的平均流行度度量新颖性比较粗略，因为不同用户不知道的东西是不同的。因此，要准确地统计新颖性需要做用户调查。8.1.2推荐系统评测指标of9198.1推荐系统概述第八章推荐系统

惊喜度：惊喜度是最近这几年推荐系统领域最热门的话题。但什么是惊喜度，惊喜度与新颖性有什么区别是首先需要弄清楚的问题。如果推荐结果和用户的历史兴趣不相似，但却让用户觉得满意，那么就可以说推荐结果的惊