推荐系统研究小结

推荐的本质是什么，推荐的目标，推荐的效果评价

推荐中可以获得数据

1.用户浏览的信息

2.用户历史购买的信息

3.用户购物车中的数据，（冲动购买与菜篮子）

3.用户本身的元信息，如年龄，性别，住处

4.用户的连接信息，如朋友，关注，推荐

推荐的模型

1.与商品相关的商品，如属性相近，可以用KNN，google的do you mean

2.社交推荐，跟用户类似的用户也购买了什么商品，协同过滤，pagerank

3.菜篮子，某两类物品协作销售的很好，既有物品的效应也有社交的效应

4.个人信息，如根据你的年龄，性别，状态给你推荐，可以基于规则引擎来做

5.用户的历史信息，基本信息来给用户聚类，然后推荐聚类里的商品

6.用户搜索的信息，基于搜索引擎来给用户推荐

7.多种混合模型

亚马逊的模型：

1.传统的协同过滤 用户到用户

2.聚类算法

3.搜索技术

4.基于物品的协同过滤，离线进行商品表格计算，在线进行实时推荐

世纪佳缘的推荐

1.可逆性

2.特征值提取

3.数据理解