请描述至少2种熟悉的推荐系统中常用的算法原理（如: 协同过滤

[问答题]

请描述至少2种熟悉的推荐系统中常用的算法原理（如: 协同过滤、矩阵分解、对分网络、LDA等）

pein531

1. 协同过滤主要有基于用户和基于物品两种方式，都是通过用户的行为数据计算用户与用户之间的相似度，或商品与商品之间的相似度，然后根据物以类聚人以群分的准则，向用户推荐与其相似度较高的用户喜欢而他又未曾购买过的商品（userCF），或者向用户推荐与其喜欢商品相似度较高的商品（itemCF）

协同过滤的核心在于相似度的计算，而计算相似度有很多种方式，如：余弦相似度、Pearson相关系数、欧氏距离、Jaccard相似系数等。

2. 矩阵分解一般指的是隐语义模型，为的是解决用户行为稀疏的问题（对于稀疏数据，相似度的计算会受到影响），通过矩阵分解的方式得到用户对商品的一些隐含特征，如下图的f特征：

我们希望达到这样的成就，使得用户和商品的隐语义矩阵经过乘法能够尽可能地逼近原始的评分矩阵（图中计算仅为示意，数字并不一定正确）

发表于 2020-10-31 12:00:33 回复(0)

提交观点

问题信息

算法工程师唯品会 2019

来自：唯品会2019秋招算法类

上传者：小小

难度：

1条回答 10收藏 1913浏览

扫一扫，把题目装进口袋