数据挖掘笔记：推荐算法

---

推荐系统

• 定义：一种预测用户对于一个物品喜好程度的系统；
• 作用：帮助人们发现一些未曾想过的物品；
• 方式：有两种：基于内容的过滤和协同过滤；

1. 基于内容的过滤：专注于物品的特征，一般都是推荐和历史记录中相似的物品；
2. 协同过滤：根据用户间的相似度来预测用户会喜欢什么，就很像去问朋友的建议。并且不依赖于机器分析的内容——>词频tf，在其他文档中出现的频率idf；
   

---

向量空间模型

• 定义：将文档转换为向量，两篇文档的相似度就可以用向量的夹角余弦表示（1的时候相似度最大，0的时候相似度最小）；
• 难点：同义词、多义词难以识别；
• 解决方法：做矩阵分解，类似pca，将原本的空间压缩（保留特征值大的几项），去掉冗余信息、噪点；

LSA隐含语义分析：

pagerank

其中一种算pagerank的方法是根据指向自己的链接的外向链接数以及该链接的pagerank值确定（rank=Σ（ranki）/outbound num i）；

• 给定一组超链接的文件，如何评价每个文件的相对重要性？
• 对一个页面的超链接算作是一张支持票。
• 一个页面的投票的重要性取决于它自己的PageRank和外链的数量。
• 一个页面的PageRank是由链接到它的所有页面的数量和PageRank指标决定的。
• 一个页面的外向链接并不影响其PageRank值。
• 难以操纵入站链接。
• 决定一个页面在谷歌搜索结果中的排名的一个关键因素。

协同过滤

• 核心思想：人们从品味相似的人那里得到最好的推荐；
• 工作流程：创建一个评级或购买矩阵，然后通过匹配他们的评级找到相似的人，再推荐相似的人高度评价的物品；
• 分类：

1. 基于记忆的CF：基于用户的与基于项目的；
2. 基于模型的CF：

• 要注意的三点：

1. gray sheep(有人喜欢追求特别,协同过滤一般只能从共同的人或物间找相似)；
2. shilling attack(水军刷好评导致数据错误,无法带来精确的推荐)；
3. cold start(冷启动,初次登陆网站,没有给商品打分,怎么推荐)