个性化推荐系统算法简介

个性化推荐算法：Amazon Kindle Unlimited，Kobo的推荐系统 #生活乐趣# #阅读乐趣# #电子书推荐#

当然你也可以在svd分解之后，拿到user和item矩阵之后，对这两个矩阵分别作聚类分析，你可以得到user的簇以及item的簇。这样的结果会非常有意义，你可以作好友推荐，相似item推荐等等。

在基于内容的算法中，因为很多资讯之间并不是那么的相关，把他们都相互计算相似度，会得到很多的0，所以没有必要。因此可以在计算之前，对整个item做个聚类，然后分别对各簇来做相似度计算。

聚类算法中，我用过性能最好的也是最简单的就是k-means。

7、组合算法

任何一个算法都有它独特的优势和固有的缺陷，因此单用一个算法的web应用很少，往往是将各种算法组合起来用。

一种方式是：将多种算法计算出来的结果，加权之后排序推荐给用户。

一种方式是：将多种算法计算出来的结果，各取前几个推荐给用户，这样做的好处是结果很丰富多彩。

一种方式是：用svd算法填充后的矩阵作为输入，用普通cf做计算来输出，然后排序推荐。这种叫做层次推荐，可以得到两种方法的好处。

一种方式是：对新用户做基于内容的推荐，因为新用户没有任何评分数据，对老用户用cf来做。

。。。。

组合的方式太多了。

网址：个性化推荐系统算法简介 https://www.yuejiaxmz.com/news/view/1267688

相关内容

个性化推荐算法（推荐系统）概要
个性化推荐系统设计（2.1）——推荐算法介绍
推荐系统：个性化推荐的算法与实践
推荐系统：个性化推荐的算法与策略
个性化推荐系统简述
推荐系统的魅力：个性化推荐算法的发展趋势
「构建企业级推荐系统系列」实时个性化推荐介绍
MovieLens个性化电影推荐系统实战（三）：个性化电影推荐（推荐算法）
推荐系统的设计与实现：个性化推荐算法与评估
实时个性化推荐系统简述

随便看看