北大《推荐系统》课程-基于内容和知识的推荐-算法概述

目录

1、协同过滤的缺陷

2、基于内容的推荐算法思想

3、算法步骤

4、产生推荐的算法

4.1、基于记忆的预测

---

注：北大刘宏志老师的《推荐系统》课程学习，图片来源于课程PPT和参考书籍

1、协同过滤的缺陷

• 依赖用户和项目的交互行为数据挖掘；

• 项目冷启动，短视频、新闻资讯等频繁产生新的项目的，新项目不存在用户和项目交互；

• 数据稀疏，不活跃用户（反馈行为较少的用户）存在很少的交互行为；

2、基于内容的推荐算法思想

• 推荐用户过去感兴趣的项目内容相似项目；

• 推荐用户过去感兴趣项目的特性类似的项目；

可以解决项目冷启动问题、数据稀疏问题。

3、算法步骤

（1）项目建模：项目的结构化特征

（2）用户建模：根据用户历史行为和相关项目信息，刻画用户的偏好特征

（3）生成推荐列表：根据项目特征和用户偏好特征的匹配程度对项目进行排序

 图3.1 基于内容的推荐算法框图

4、产生推荐的算法

包括基于记忆的预测和基于模型的预测

4.1、基于记忆的预测

基于记忆的预测包括两种：TOP-N和评分预测

主要难点在于求项目之间相似度的算法，后面的文章会详细介绍。

 图4.1 基于记忆的产生推荐算法步骤