文章最前: 我是Octopus,這個名字來源於我的中文名--章魚;我熱愛編程、熱愛算法、熱愛開源。所有源碼在我的個人github ;這博客是記錄我學習的點點滴滴,如果您對 Python、Java、AI、算法有興趣,可以關注我的動態,一起學習,共同進步。
相關文章:
文章目錄:
(1)基於流行度的算法
依照一個項目的流行度進行排序,將最流行的項目推薦給用戶,比方微博推薦中,將最爲流行的大v用戶推薦給普通用戶。微博每日都有最熱門話題榜等。通過簡單熱度排序就可以。
文章->prodict whom one will follow中推薦好友有一部分採取的策略是item-popularity.通過計算在訓練集中項目被接受的次數來得到項目的流行度信息。
文章->a social and popularity-based tag recommender通過結合標籤的流行度和意見向用戶推薦標籤。
缺點:無法提供個性化推薦
長處:算法簡單
改進或者新的思路:增加用戶分羣流行度排序,把熱門體育內容先推薦給體育迷。
(2)協同過濾算法
協同過濾算法(CF)是一種經常使用的算法,在電商站點上都實用到,CF算法包含基於用戶的CF和基於物品的CF。
2.1)基於用戶的CF
1)分析各個用戶對item的評價(通過瀏覽記錄,購買記錄等);
2)基於用戶對item的評價計算得出全部用戶之間的類似度
3)選出與當前用戶最類似的N個用戶
4)將N個用戶評價最高而當前用戶又沒有瀏覽過的Item推薦給當前用戶
首先以
2.2) 基於物品的CF
計算方式大致相同,僅僅關聯矩陣是item與item之間的關係,若用戶同一時刻同時訪問item1和item2,然後基於這種理論推給用戶。