推荐算法
文章目录
简介
推荐系统应用都是由前台的展示页面、后台的日志系统以及推荐算法系统3部分构成的
基于用户行为推荐算法,用户推荐好友,基于位置的服务
打包销售
以从用户的历史行为中习得用户的兴趣模型
1、推荐系统实验方法
在推荐系统中,主要有3种评测推荐效果的实验方法,即离线实验(offline experiment)、用户调查(user study)和在线实验(online experiment)。
2、评测指标
1)用户满意度
2)预测准确度(对应离线算法)
- 评分预测
- TopN推荐
3)覆盖率
如果所有的物品都出现在推荐列表中,且出现的次数差不多,那么推荐系统发掘长尾的能力就很好。
4)多样性
5)新颖性
6)惊喜度
7)信任度
8)实时性
9)健壮性
协同过滤算法
基于用户行为分析的推荐算法是个性化推荐系统的重要算法,学术界一般将这种类型的算法称为协同过滤算法。
用户行为数据简介
用户行为数据在网站上最简单的存在形式就是日志。
会话日志通常存储在分布式数据仓库中,如支持离线分析的 Hadoop Hive和
支持在线分析的Google Dremel。这些日志记录了用户的各种行为,如在电子商务网站中这些行为主要包括网页浏览、购买、点击、评分和评论等。
显性反馈行为(explicit feedback)和隐性反馈行为(implicit feedback)。