文章最前: 我是Octopus,这个名字来源于我的中文名--章鱼;我热爱编程、热爱算法、热爱开源。所有源码在我的个人github ;这博客是记录我学习的点点滴滴,如果您对 Python、Java、AI、算法有兴趣,可以关注我的动态,一起学习,共同进步。
相关文章:
文章目录:
(1)基于流行度的算法
依照一个项目的流行度进行排序,将最流行的项目推荐给用户,比方微博推荐中,将最为流行的大v用户推荐给普通用户。微博每日都有最热门话题榜等。通过简单热度排序就可以。
文章->prodict whom one will follow中推荐好友有一部分采取的策略是item-popularity.通过计算在训练集中项目被接受的次数来得到项目的流行度信息。
文章->a social and popularity-based tag recommender通过结合标签的流行度和意见向用户推荐标签。
缺点:无法提供个性化推荐
长处:算法简单
改进或者新的思路:增加用户分群流行度排序,把热门体育内容先推荐给体育迷。
(2)协同过滤算法
协同过滤算法(CF)是一种经常使用的算法,在电商站点上都实用到,CF算法包含基于用户的CF和基于物品的CF。
2.1)基于用户的CF
1)分析各个用户对item的评价(通过浏览记录,购买记录等);
2)基于用户对item的评价计算得出全部用户之间的类似度
3)选出与当前用户最类似的N个用户
4)将N个用户评价最高而当前用户又没有浏览过的Item推荐给当前用户
首先以
2.2) 基于物品的CF
计算方式大致相同,仅仅关联矩阵是item与item之间的关系,若用户同一时刻同时访问item1和item2,然后基于这种理论推给用户。