推荐算法(1)——常用的推荐方法

互谅网行业，推荐无处不在。推荐的方法大致分为2类——基于用户相识度的推荐，基于物品关联的推荐。

1. 基于用户相识度的推荐

用户相识度计算是通过用户的行为计算用户的“距离”。

用户行为有多个维度，比如对某个商品的打分，用户的年龄、职业，用户浏览的站点等等。

就购买行为来讲，有用户的购买商品，浏览的商品，购买商品的价格，购买商品的关联等。比如一个男士买啤酒后，又买了尿布，很可能说明他家里有个怀孕的太太，那么可以推荐一些怀孕相关的商品。

2. 基于物品关联的推荐

很多看起来没关系的事务，在某种介质下很有可能产生关联。

如果2个事物有共同特征，那么通过特征项可以将事物关联。如果2个事物没有共同特征，但在某种介质下可以发生关联，比如买了A商品的很多人也会买B商品，即使A和B之间没有共同的属性，他们也可以通过购买者关联起来。

3. 关于特征提取

要找到事物之间的联系，就要通过某些特征或者说维度将事物关联起来。这些特征的选取很关键，可以首先获取很多特征，然后通过算法比如决策树等，从获取的特征中选取决定事物联系的关键特征，给他们赋予权重，权重的确定可以通过机器学习算法不断的优化。

4. 主要的推荐算法

4.1 基于内容的推荐

从关于内容的特征描述得到用户的兴趣。比如通过用户的搜索词，分析用户想要搜索的东西以及爱好。将事物和一些搜索词关联起来，推荐给用户。这种方法不需要用户的数据，因此没有冷开始问题，新的项目也可以得到很好的推荐。

4.2 协同过滤推荐