《推薦系統 - 技術、評估及高效演算法》學習記錄 - 第1章 概述
04-19
推薦(RS)意義:向用戶提供有價值的物品,規避信息過載。為物品提供更多展示機會,了解用戶需求,向用戶提供具多樣性的選擇方案。
推薦常見功能:幫助用戶發現有價值物品、推薦系列數據、提供消費搭配、滿足用戶閑逛需求、完善用戶資料等。
推薦系統的三重要主體:用戶、物品、用戶與物品間關係。
- 同情況下,用戶需求及特品各不同,所以用於組織用戶信息的建模因情況而異;
- 推薦物品若對用戶有價值,則為積極物品,反之,則為消極物品;
- 用戶與物品關係有顯性與隱性之分,以顯示反饋為例,如具體評分(1-10)、多元制評價(同意/不同意,非常滿意/一般滿意/滿意/不滿意/很不滿意)、一元制評價(買了,觀看了)、評價型標籤(」好看「、"小清新");
- 物品對用戶的效用是依賴語境的,不同的推薦場景結合不同的推薦策略;
推薦方法:
- 基於內容:與用戶歷史興趣相似;
- 協同過濾(Collaborative Filtering):與用戶口味相同用戶組喜歡的物品;
- 人口統計學:對不同人群推薦對應物品;
- 基於知識:多用於特定領域,如keep選擇健身基礎後,提供對應健身建議;
- 基於社區:引用社區用戶關係;
- 混合推薦:多種推薦方法的混合;
人機交互:
- 推薦解釋(推薦此物品的原因)作用:透明、可反饋、信任、有效、說服力、高效、滿意;
- 會話系統:有效(會話結束時須讓用戶得到解決方案)、快(會話步驟少)、支持用戶表達(展示與A類似但比A便宜的商品,感覺這種方法用在搜索或推薦列表中,向用戶提供更友好的篩選的引導應該很有幫助)、可視化;
參考文獻:弗朗西斯科·里奇 (Francesco Ricci) 《推薦系統:技術、評估及高效演算法》 機械工業出版社; 第1版 (2015年7月1日)
推薦閱讀:
※遠程網路教育如何進行期末考試?
※藝術小白的藝術學習3部曲
※寧向東管理學課筆記 - 知乎想法匯總
※怎樣快速有效的學習滑板?
※一圖讀懂養老產業