推荐系统系列——推荐系统的分类

同步读书之《菜根谭》

3、心地光明，才华蕴藏

君子之心事，天青日白，不可使人不知；
君子之才华，玉韫珠藏，不可使人易知。

4、污泥不染，机巧不用

势利纷华，不近者为洁，近之而不染者为尤洁；
智械机巧，不知者为高，知之而不用者为尤高。
纷华：指繁华的景色

推荐系统的分类

  按照不同的分类标准，推荐系统有着不同的分类方法，常见的分类方法有根据策略进行分类、根据实时性进行分类、根据模型构造方式不同进行分类、根据推荐是否个性化进行分类等。

1 根据推荐策略分类

  推荐系统按照策略主要分为基于统计学的推荐、基于内容的推荐、基于协同过滤的推荐以及混合推荐。
  基于统计学的推荐是指根据推荐物品的信息建立物品之间的相关性，然后搜索用户以前跟物品的交互记录，推荐给与用户选择物品类似的物品，它可用于解决冷启动问题。
  基于内容的推荐是指在物品数据上建立物品画像，之后根据此画像来搜索推荐相似的物品，它特别射用于文本领域，比如新闻文本的推荐等。
  基于协同过滤的推荐应用更为广泛，该方法想要通过从用户和商品的历史交互中学习来反馈式地预测用户对商品的偏好，它又可以细分为几个类别：基于用户的推荐、基于物品的推荐、基于模型的推荐等。基于模型的推荐是指通过构建推荐模型然后用该模型进行推荐，其中基于深度学习模型的推荐发展迅速。
  混合推荐是指混合多种方法来进行推荐的策略。混合时候采取的方法也是多种多样的，比如加权混合、切换混合、分区混合、分层混合等等。

2 根据实时性分类

  可以分为实时推荐与离线推荐。实时推荐是指实时对接用户与模型，适用于对实时性要求较高的领域；离线推荐指的是按一定周期进行用户数据的收集和模型的更新，其适用于对实时性要求没有那么高的领域。

3 根据模型构造方式不同分类

  可以分为基于数据的启发式推荐、基于关联规则的推荐、基于模型的推荐等等。

4 根据推荐是否个性化分类

  可以分为基于统计特征的推荐和个性化推荐。前者强调对数据整体中一部分类似的群体构建统计特征，而后者强调推荐是对用户单一个体量身订做。