机器学习讲义-推荐系统--召回篇1.pptVIP

推荐系统—召回篇

什么是推荐系统？推荐系统：向用户建议有用物品的软件工具和技术核心问题：如何在用户和物品之间建立连接信息过载：帮助缺乏足够个人能力和经验的人

信息过载与个性化每分钟产生100小时的视频！我知道我喜欢啥——检索我不知道我喜欢啥？我不知道还有啥？？个性化：针对不同用户进行有区分性的物品推荐，有效解决信息过载

身边的推荐系统视频推荐：电视剧电影综艺动漫娱乐……优化目标：点击率播放时长

身边的推荐系统商品推荐：实时意图历史行为……优化目标：点击率下单率金额……时间因素：用户兴趣随时间改变

身边的推荐系统音乐推荐：信息流风格切换重复推荐负反响……优化目标：停留时长听完率红星率……

如何搭建一个推荐系统

1、热度排行榜月度音乐排行榜畅销商品榜热搜视频本地最火商家优点：简单、有效！(人都有从众心态)缺点：缺少个性化，千人一面，无法满足每个人的要求如何搭建推荐系统

2、分类器模型银行贷款系统预测评估模型SAFE！RISKY！〔还记得我们讲过的分类模型吗？〕如何搭建推荐系统

2、分类器模型用户信息用户历史商品信息其他信息预测分类模型喜欢！不喜欢！如何搭建推荐系统

2、分类器模型优点：个性化：考虑了用户信息和用户历史行为场景化：抽取的特征能够覆盖场景信息冷启动：及时用户行为很少也能做出预测缺点：特征可能无法获取效果经常不如系统过滤算法如何搭建推荐系统

3、买了又买如何搭建推荐系统通过大量的用户购置行为来挖掘物品与物品之间的一般性关联〔还记得我们讲过的关联规那么挖掘吗？〕

3、买了又买如何搭建推荐系统共现矩阵(对称矩阵)

3、买了又买如何搭建推荐系统利用共现矩阵进行推荐：1找到itemI所处的行2按照共现次数进行推荐

共现矩阵的归一化问题如何搭建推荐系统热度过高的物品会影响推荐的个性化：如果买过所有婴儿玩家的用户都会买尿布？买任何婴儿玩具，共现最大的物品都会是尿布

共现矩阵的归一化问题如何搭建推荐系统Jaccard相似度

共现矩阵的归一化问题如何搭建推荐系统Jaccard相似度缺点：只考虑了最近一次购置，没考虑全部历史信息

根据用户的多个购置记录进行推荐如何搭建推荐系统例如用户A买过啤酒、尿布，如何进行物品推荐？Score=?*(S(啤酒，item)+S(尿布，item))

根据用户的多个购置记录进行推荐如何搭建推荐系统缺点：没有考虑场景上下文(时间，位置)没有考虑用户信息(性别，年龄)没有考虑物品信息(价格，销量)冷启动问题：新用户/新物品的推荐问题如何解决？

4、矩阵分解—发现隐式结构如何搭建推荐系统黑色：用户评分白色：没有看过目标：矩阵填充

假设能把用户u和物品i都映射到一个空间如何搭建推荐系统U:[0.3,0.1,0.8…]I:[0.1,0.8,0.08…]计算用户u与物品i之间的相似度按照相似度大小对未看过的电影进行推荐

通过填充矩阵进行预测如何搭建推荐系统如何获取用户和物品的主题因子？

矩阵分解模型如何搭建推荐系统

如何做模型融合？如何搭建推荐系统1、用户行为稀疏——冷启动〔热单、分类模型〕2、用户行为丰富——矩阵分解其他融合方式？

如何做模型融合？如何搭建推荐系统1、用户行为稀疏——冷启动〔热单、分类模型〕2、用户行为丰富——矩阵分解其他融合方式？

协同过滤优化

usercfvsitemcf

协同过滤稀疏性问题

冷启动问题

冷启动问题

冷启动问题

强相关问题

召回的问题