2020-09-04 19:25 南京大学 产品经理
关注
推荐系统关于协同过滤的匹配：
用户与内容的近邻集合。它又分为基于用户、基于项目和基于模型的协同过滤。
基于用户（User-based）的协同过滤推荐：如果用户A与用户B的用户画像较为相似，则使用两者的浏览记录做相互推荐。
基于项目（Item-based）的协同过滤推荐： “项目”可以是信息流产品中的“内容”或者电商平台中的“商品”，其基础假设是“喜欢一个物品的用户会喜欢相似的物品”，先计算项目之间的相似性，再根据用户的历史偏好信息将类似的物品推荐给该用户。
基于模型（Model-based）的协同过滤推荐：基于一定用户样本的喜好信息，训练一个推荐模型，然后根据实时的用户喜好的信息进行预测推荐。例如，基于内容+协同（相关性+点击率预估的混合），基于DNN（用户、内容向量化表示）。
用户与内容的近邻集合。它又分为基于用户、基于项目和基于模型的协同过滤。
基于用户（User-based）的协同过滤推荐：如果用户A与用户B的用户画像较为相似，则使用两者的浏览记录做相互推荐。
基于项目（Item-based）的协同过滤推荐： “项目”可以是信息流产品中的“内容”或者电商平台中的“商品”，其基础假设是“喜欢一个物品的用户会喜欢相似的物品”，先计算项目之间的相似性，再根据用户的历史偏好信息将类似的物品推荐给该用户。
基于模型（Model-based）的协同过滤推荐：基于一定用户样本的喜好信息，训练一个推荐模型，然后根据实时的用户喜好的信息进行预测推荐。例如，基于内容+协同（相关性+点击率预估的混合），基于DNN（用户、内容向量化表示）。
全部评论
相关推荐
10-14 19:12
湖南农业大学 C++ 点赞 评论 收藏
分享
查看14道真题和解析 09-16 14:01
井冈山大学 Java 
点赞 评论 收藏
分享
盈峰环境科技集团股份有限公司公司福利 34人发布