目前使用比較普遍的個(gè)性化推薦算法有三種，分別是：協(xié)同過濾推薦算法、基于內(nèi)容的推薦算法和基于社交網(wǎng)絡(luò)的推薦算法。

1、協(xié)同過濾推薦算法

該算法的基本思想是，如果你的朋友或者親戚購買了某件商品并且評價(jià)不錯(cuò)，那么你很有可能也會購買該商品。根據(jù)相似度比較的對象不同，可以細(xì)分為基于用戶的推薦和基于物品的推薦。在用該算法的有Amazon等一些電商平臺。

a）基于用戶的近鄰?fù)扑]

基于用戶的協(xié)同推薦的基本思想是：尋找當(dāng)前用戶的近鄰(即計(jì)算用戶之間的相似性)，從而根據(jù)近鄰的喜好預(yù)測你也可能喜歡什么。

b）基于物品的近鄰?fù)扑]

該算法的核心是計(jì)算物品兩兩之間的相似度，從而為用戶推薦相似的物品。當(dāng)需要對用戶推薦物品A時(shí)，通過確定與A相似的物品B，計(jì)算用戶對這些近鄰物品B評分的加權(quán)總和來得到用戶對物品A的預(yù)測評分。

2、基于內(nèi)容的推薦算法

基于內(nèi)容的推薦與協(xié)同過濾推薦不同，它不需要用戶對物品的評分?jǐn)?shù)據(jù)，也不需要比較多個(gè)用戶或多個(gè)物品之間的相似度。該算法的基本思想是根據(jù)用戶的歷史興趣數(shù)據(jù)，建立用戶模型，然后針對推薦物品的特征描述進(jìn)行特征提取，后將物品特征與用戶模型相比較，相似度較高的物品就可以得到推薦。

基于內(nèi)容的推薦目前主要應(yīng)用于文本、視頻、音頻的推薦，比如新聞、視頻和電臺等。

3、基于社交網(wǎng)絡(luò)的推薦算法

基于社交網(wǎng)絡(luò)的推薦是協(xié)同過濾推薦在社交網(wǎng)絡(luò)中的延伸，同時(shí)又具有基于網(wǎng)絡(luò)結(jié)構(gòu)推薦的特點(diǎn)。大體上可以分為兩類，即基于鄰域的社交網(wǎng)絡(luò)推薦和基于網(wǎng)絡(luò)結(jié)構(gòu)的社交網(wǎng)絡(luò)推薦。

a）基于鄰域的社交網(wǎng)絡(luò)推薦

其基本思想是查詢社交網(wǎng)絡(luò)中當(dāng)前用戶所有的好友，根據(jù)好友的興趣數(shù)據(jù)，向當(dāng)前用戶推薦好友喜歡的物品集合。

b）基于網(wǎng)絡(luò)結(jié)構(gòu)的社交網(wǎng)絡(luò)推薦

該算法把用戶、用戶的好友、用戶的喜好和好友的喜好連接起來形成一個(gè)社交網(wǎng)絡(luò)結(jié)構(gòu)圖。同時(shí)，根據(jù)用戶之間的熟悉程度和喜好相似度，來定義用戶之間和用戶的喜好之間的權(quán)重，然后選擇與用戶沒有直接相關(guān)的物品，按照優(yōu)先級別生成推薦列表。
　　個(gè)性化推薦的一些缺陷

也許你已經(jīng)發(fā)現(xiàn)，現(xiàn)如今很多產(chǎn)品的個(gè)性化推薦系統(tǒng)還談不上智能。我就經(jīng)常遇到在某電商平臺買了一臺電腦，接下來就向我推薦各種品牌的電腦。對于買電腦這種低頻行為，該個(gè)性化推薦顯得太粗糙了一點(diǎn)。還有當(dāng)我在一些資訊App瀏覽新聞時(shí)，總是受到相同內(nèi)容的新聞信息，讓我沒有繼續(xù)使用下去的欲望。

一個(gè)好的個(gè)性化推薦系統(tǒng)，用戶能夠從系統(tǒng)提供的推薦列表中購買自己確實(shí)需要但在購買過程中沒有想到的商品，有利于流量和商品轉(zhuǎn)化，也會讓用戶對該系統(tǒng)產(chǎn)生依賴。個(gè)性化推薦系統(tǒng)不僅能夠?yàn)橛脩籼峁﹤€(gè)性化的推薦服務(wù)，而且能與用戶建立長期穩(wěn)定的關(guān)系，從而提高用戶的忠誠度。

個(gè)性化推薦系統(tǒng)是一個(gè)非常復(fù)雜系統(tǒng)，背后還涉及到很多問題。比如冷啟動(dòng)問題、數(shù)據(jù)稀疏性問題、推薦的精確度和準(zhǔn)確度問題等。

1、冷啟動(dòng)問題

如果用戶的標(biāo)簽信息為零，那么個(gè)性化推薦就等于不存在。這個(gè)情況下，往往是讓用戶進(jìn)入興趣標(biāo)簽填寫的頁面，或者通過搜集用戶在其它平臺的標(biāo)簽數(shù)據(jù)來進(jìn)行推薦。

2、數(shù)據(jù)稀疏性問題

很多電商平臺的信息數(shù)據(jù)之大，使得任意兩個(gè)用戶瀏覽的商品交集非常小，這時(shí)候通常采用商品聚類或者用戶聚類的方式。

3、推薦的精確度和準(zhǔn)確度問題

通過收集更多的用戶標(biāo)簽，不斷優(yōu)化推薦算法，多種推薦算法的組合推薦來大化保證推薦的精確度和準(zhǔn)確度。

4、傳統(tǒng)的個(gè)性化推薦，無法保證推薦的實(shí)時(shí)性

比如網(wǎng)易云的用戶無意中聽到了一種沒聽過的曲風(fēng)，覺得很好聽又連續(xù)聽了幾。如果這時(shí)候推薦的還是他過去愛聽的，這就不能很好地滿足用戶的需求。

5、精確度與多樣性的平衡問題

盲目的精確推薦可能會使用戶的視野越來越狹窄，也就無法向用戶推薦其它多樣的物品和信息。如何平衡兩者的關(guān)系是一個(gè)要解決的問題。

網(wǎng)頁名稱：網(wǎng)站設(shè)計(jì)策劃之個(gè)性化推薦分析
標(biāo)題路徑：http://m.rwnh.cn/news28/210678.html

成都網(wǎng)站建設(shè)公司_創(chuàng)新互聯(lián)，為您提供定制開發(fā)、品牌網(wǎng)站設(shè)計(jì)、標(biāo)簽優(yōu)化、網(wǎng)站排名、建站公司、云服務(wù)器

廣告

聲明：本網(wǎng)站發(fā)布的內(nèi)容（圖片、視頻和文字）以用戶投稿、用戶轉(zhuǎn)載內(nèi)容為主，如果涉及侵權(quán)請盡快告知，我們將會在第一時(shí)間刪除。文章觀點(diǎn)不代表本網(wǎng)站立場，如需處理請聯(lián)系客服。電話：028-86922220；郵箱：631063699@qq.com。內(nèi)容未經(jīng)允許不得轉(zhuǎn)載，或轉(zhuǎn)載時(shí)需注明來源： 創(chuàng)新互聯(lián)