《个性化推荐算法综述》2700字.docxVIP

个性化推荐算法综述

推荐算法的核心思想是通过收集用户行为信息、项目类型信息和用户对项目的偏好信息等数据，找到最近邻集合，然后使用预测公式预测项目评分，最终将项目推荐给用户。现在推荐算法模型具有很多复杂的形态，下面我们介绍几种常见的推荐算法。

1.1基于内容的推荐算法

基于内容的推荐算法[35]是根据项目的特征进行分类，然后根据用户喜欢的类型进行推荐。在电影推荐算法中需要先构建用户信息模型与电影信息模型，通过相似度公式计算出用户与电影模型间的关联度，将电影推荐给用户。基于内容的推荐算法在某些特定场景下推荐准确率较高。但未结合用户间的相似度，且新电影由于缺少评分，并不能及时得到推荐，会遇到新物品冷启动等问题。

2.2基于内容的推荐算法

具体算法实现如下：

（1）建立用户偏好项目特征模型

第一步就是通过后台数据库以及用户填写的问卷，将用户信息进行整理归类，然后进行分析，产生偏好模型，判断用户是否会喜欢该项目，为后期推荐提供依据。

（2）建立被推荐项目特征模型

通过对每个项目进行标签类型分类，用这些标签类型来描述项目。标签类型的属性可以是关系型属性表示，也可以使用键值对或json数组等非关系型属性表示。

（3）完成推荐

在产生了两种特征模型之后，将用户的喜好项目特征与模型里的待选项目特征进行对比，取排序前N的项目，完成对用户的推荐。

1.2协同过滤推荐算法

协同过滤算法的算法思想是通