本文主要对推荐算法整体知识点做汇总,做到总体的理解;深入理解需要再看专业的材料。
推荐算法的意义
推荐根据用户兴趣和行为特点,向用户推荐所需的信息或商品,帮助用户在海量信息中快速发现真正所需的商品,提高用户黏性,促进信息点击和商品销售。
帮助用户找到想要的商品(新闻/音乐/……),发掘长尾
帮用户找到想要的东西,谈何容易。商品茫茫多,甚至是我们自己,也经常点开淘宝,面对眼花缭乱的打折活动不知道要买啥。在经济学中,有一个著名理论叫长尾理论(The Long Tail)。套用在互联网领域中,指的就是最热的那一小部分资源将得到绝大部分的关注,而剩下的很大一部分资源却鲜少有人问津。这不仅造成了资源利用上的浪费,也让很多口味偏小众的用户无法找到自己感兴趣的内容。
降低信息过载
互联网时代信息量已然处于爆炸状态,若是将所有内容都放在网站首页上用户是无从阅读的,信息的利用率将会十分低下。因此我们需要推荐系统来帮助用户过滤掉低价值的信息。
推荐算法通过用户行为和兴趣分析,提供个性化信息或商品推荐,降低信息过载,提高用户黏性和转化率。常见的推荐算法包括基于流行度、用户行为数据的协同过滤(用户基、项目基、模型基)以及基于内容的推荐。协同过滤在解决冷启动和数据稀疏性问题上存在挑战,可以通过矩阵分解等方法优化。此外,还有基于关联规则、效用和知识的推荐方法。业界如Yahoo、淘宝、豆瓣和Hulu的推荐系统应用了这些算法并不断改进,以提供更好的用户体验。
订阅专栏 解锁全文
2118

被折叠的 条评论
为什么被折叠?



