推荐系统设计和实践总结

什么是推荐系统

推荐系统的基本任务是联系用户和物品，解决信息过载的问题；推荐系统通过发掘用户的行为，找到用户的个性化需求，从而将长尾商品准确地推荐给需要它的用户，帮助用户发现那些他们感兴趣但很难发现的商品。一个好的推荐系统是能够令用户、物品提供者和提供推荐系统的网站三方共赢的系统。

基于用户行为的协同过滤算法

用户活跃度和物品流行度的数据分布都满足长尾分布。横坐标是活跃度K，纵坐标为活跃度为K的用户总数。协同过滤算法包括：

• 基于邻域的方法
  • UserCF
  • ItemCF
• 隐语义模型LFM
  • 基于用户行为的自动聚类
• 基于图的随机游走算法

冷启动

问题分类：

• 新用户冷启动
• 新物品冷启动
• 系统冷启动

解决方案有：

• 提供非个性化推荐，如热门榜单
• 利用用户注册提供的信息
• 用户的社交网络账号登录
• 要求用户在登录时对一些物品进行反馈
• 利用新物品的内容信息
• 系统冷启动时可以引入专家知识

用户UGC标签

• 给用户推荐标签

上下文信息

• 时间上下文
• 地点上下文

社交网络

推荐系统评测

实验方法

• 离线实验
• 在线实验
• 用户调研

评测指标

• 用户满意度
• 预测准确度
• 覆盖率
• 新颖性
• 信任度
• 实时性
• 健壮性
• 商业目标

推荐系统实践