推荐系统

推荐算法分类

1. 基于流行度的算法
   ------基于流行度的算法非常简单粗暴，类似于各大新闻、微博热榜等，根据PV、UV、日均PV或分享率等数据来按某种热度排序来推荐给用户，例如把热榜上的体育内容优先推荐给体育迷，把政要热文推给热爱谈论政治的用户
   

2. 基于内容的算法
   ------从信息检索和文本检索发展而来（借助平台上访问的行为，比如分类的目录或者在搜索系统内搜索的内容，这些数据会积累下来，从而反映你对一件事物的兴趣，形成你的用户偏好模型，这个模型给你推荐相似的商品）
   ------基于商品描述以及用户喜好描述，为用户推荐商品

3. 协同过滤算法(Collaborative Filtering, CF)
   什么是协同过滤算法呢？直白点说，跟你喜好相似的人喜欢的东西你也很有可能喜欢或跟你喜欢的物品类似的物品你也喜欢。。对应的算法分类也就是基于用户的协同过滤算法和基于物品的协同过滤算法
   （不仅仅是看用户A本身行为，还会结合其他用户的行为。比如A和B买了相同的包包，说明A和B是相似的，另外B还买了一件T恤，A没买，那么就会将T恤信息推荐给A）
   是很常用的一种算法，在很多电商网站上都有用到。CF算法包括基于用户的CF(User-based CF)和基于物品的CF(Item-based CF)
   ------基于用户行为给用户推荐感兴趣的商品
   ------行为可以是过往的交易行为和商品评分，这种方式不需要显性的属性信息

4. 基于模型的算法

5. 混合算法

内容推荐和协同过滤的对比，协同过滤算法比较有优势