基于内容的推荐算法(Content-based)和多准则推荐算法(Multi-criteria)区别
最近因毕设需求纯手动撸了个性化景点推荐系统,写论文的时候却发现有两个概念比较模糊,如下:
基于内容的推荐算法某些论文说的过于学术化,说简单点就是对 Item进行特征拆分,将这些特征做成tag标签或者向量,来匹配特定胃口的用户。而基于多准则的推荐算法呢?Wikipedia上说是系统预测用户对一个item的评分时会综合考虑多方面准则。那么问题来了,我Content-based也考虑了item的多方面特征,也考虑了用户多方面的偏好,那么两者有什么区别呢?
经一番查阅后最终找到了解释:
总结下该文献,意思是准则(Criteria)比特征(Attribute)更为抽象,某种程度上可以说Criteria包括Attribute,一个Criteria可以拆成或细分为多个Attribute。事实上,在很多情况下Criteria是约等于Attribute的,正如上文中黑体加粗的部分(双箭头)。同时Criteria在不拆分的情况下还可以量化(从上文中提到的“skill level”可窥探),即相较于Attribute我Criteria可以在tag标签二值基础上定义量化的程度。
所以通篇下来好像学到了一点东西,又感觉没有想象的那么神乎,故今天就此记录一下。