推荐系统算法概览

标签：词向量   auto   load   不同   display   微博   个性   个性化   好的   

基于流行度

这种算法比较简单，按所有用户的点击量排序呈现给用户，按热度数据推荐给每个用户。弊端就是每个用户看到的都是一样的，无法个性化推荐，微博排行榜就是个比较好的例子。

协同过滤算法

基于用户

1. 分析各个用户对物品的评价（浏览次数，停留时间，购买次数）
2. 依据用户对物品的评价计算得出所有用户之间的相似度
3. 选出与当前用户最相似的N个用户
4. 将这N个用户评价最高并且当前用户又没有浏览过的物品推荐给当前用户。

基于物品

1. 分析各个用户对物品的浏览记录
2. 依据浏览记录，购买记录等分析得出所有物品之间的相似度
3. 对于当前用户评价高的物品，找出与之相似度最高的N个物品
4. 将这N个物品推荐给当前用户

基于内容

1. 对用户行为分析得出用户标签，对文章做关键词提取得出文章标签。
2. 计算词向量之间的距离

基于模型的算法

x为用户特征，通过深度学习计算每个用户特征的权重

混合算法

以上几种算法组合使用，不同算法结果加权得到综合结果。

推荐系统算法概览

标签：词向量   auto   load   不同   display   微博   个性   个性化   好的   

原文地址：https://www.cnblogs.com/billshen/p/13268710.html