推荐系统|2.1 协同过滤与矩阵分解简介 2.2 协同过滤

文章目录

  • 显式特征和隐式特征
  • 协同过滤
    • 基于用户的协同过滤
    • 基于商品的协同过滤

显式特征和隐式特征

推荐系统|2.1 协同过滤与矩阵分解简介 2.2 协同过滤_第1张图片可以类比感性认识和理性认识。
显式特征是指可以直接获取,并且可以用作判断的依据。
而隐式特征是指需要进一步加工分析提炼,才能作为判断的依据。
比如说评论,评论包括好评和差评,需要进一步分析其情感倾向,才会有所意义。

协同过滤

推荐系统|2.1 协同过滤与矩阵分解简介 2.2 协同过滤_第2张图片

基于用户的协同过滤


比如说用户C买了商品a、b、c、d。
而用户A只买了商品b、c,可以预设用户A将来有可能会购买a和d。
比如说婴幼产品,A买了奶粉和尿布,未来大概率还是会去买摇篮和奶嘴等等。
推荐系统|2.1 协同过滤与矩阵分解简介 2.2 协同过滤_第3张图片
数据稀疏,是指毕竟顾客只是购买摆放出来的商品的极少部分,而在存储上,如果采用一般的方法,将浪费大量的空间。
同时,人的购买意愿可能受到生活中各种因素的影响,可能预判的购买意愿并不符合实际情况。
再者,平台中的新用户,相当于一张没有数据的白纸,是没有办法分析其数据,与已有数据产生联系,来产生对其的商品推送。

基于商品的协同过滤

你可能感兴趣的:(推荐系统,推荐算法)