标签：项目 大型 个推 www 聚类 系统 过滤 系统用户 相关
概括分类：2）协调过滤推荐：本文后面要专门讲的内容。协调过滤是推荐算法中目前最主流的种类，花样繁多，在工业 界已经有了很多广泛的应用。它的优点是不需要太多特定领域的知识，可以通过基于统计的机器学习算法来得到较好的推荐效果。最大的优点是工程上容易实现，可 以方便应用到产品中。目前绝大多数实际应用的推荐算法都是协同过滤推荐算法。
3）混合推荐：这个类似我们机器学习中的集成学习，博才众长，通过多个推荐算法的结合，得到一个更好的 推荐算法，起到三个臭皮匠顶一个诸葛亮的作用。比如通过建立多个推荐算法的模型，最后用投票法决定最终的推荐结果。混合推荐理论上不会比单一任何一种推荐 算法差，但是使用混合推荐，算法复杂度就提高了，在实际应用中有使用，但是并没有单一的协调过滤推荐算法，比如逻辑回归之类的二分类推荐算法广泛。
4）基于规则的推荐：这类算法常见的比如基于最多用户点击，最多用户浏览等，属于大众型的推荐方法，在目前的大数据时代并不主流。
5）基于人口统计信息的推荐：这一类是最简单的推荐算法了，它只是简单的根据系统用户的基本信息发现用户的相关程度，然后进行推荐，目前在大型系统中已经较少使用。
1、概念
协同过滤包括在线的协同和离线的过滤。在线协同是指通过在线数据找到用户可能喜欢的物品；离线过滤是指过滤掉一些不值得推荐的数据。
分类：
（1）基于用户的协同过滤。考虑用户之间的相似度，通过相似用户获得评价高分物品，将其推荐给目标用户。
（2）基于项目的协同过滤。考虑物品之间的相似度，通过目标用户对某些物品的评分，将相似物品推荐给他。
（3）基于模型的协同过滤。目前最主流的，下面详细介绍。
2、基于模型的协同过滤
详情可见：
https://www.cnblogs.com/pinard/p/6349233.html
标签：项目 大型 个推 www 聚类 系统 过滤 系统用户 相关
原文地址：https://www.cnblogs.com/zhenpengwang/p/10860967.html
