个性化阅读中的推荐系统（一）

最近要为一个资讯类的项目加入个性化推荐的逻辑，以给用户展示更加符合其阅读偏好的文章，提高点击率。之前研究过相关理论，这次在工程中应用上，也属于一边摸索一边实践的过程。

概述

推荐系统中常用的推荐算法有：
- 基于内容的推荐content-based
- 协同过滤collaborative filtering
- 基于模型的推荐，隐语义模型(LFM, latent factor model)推荐，机器学习的模型等

不同的推荐算法有着不同的效果、优点、缺点，适合不同的场景，这个系列的文章用于记录这几种算法的实现过程。

基于内容的推荐

基于内容的推荐算法主要思想是为用户推荐与过去喜欢的item类似的item，比如一个用户看过绝地求生98K好用吗的的文章，那么就可以给他推荐绝地求生98k怎么好用的文章。
基于内容的推荐可以分为以下三步：

1. 建立文章的特征向量，用来描述这篇文章的关键信息，这里可以使用TF-IDF模型建立一个特征矩阵来描述文章的特征
2. 建立用户模型，用来描述用户具有哪些偏好，可以通过计算用户浏览过的文章的TF-IDF矩阵的均值作为用户模型
3. 在推荐过程中，根据用户模型检索类似的文章，可以通过检索Top N个与用户模型特征向量相似的文章向量，作为用户的推荐

但是在这个流程中有一个问题，第3步在工程实现中，如果文章的数量很大，需要计算每篇文章与用户模型的相似度，时间和空间复杂度会很高，所以这里进行了简化，取用户当前浏览的文章作为用户模型，这样可以通过离线计算的方式，提前计算出每篇文章的相似结果。

准备阶段

无论是在构建TF-IDF矩阵还是为文章打标签的过程中，分词都是一个重要的阶段，而目前的数据中大部分是游戏相关的文章，多数主流的分词工具都是基于人民日报语料进行训练得到的词典，所以第一步需要对词典进行完善。也就是从这些语料中提取王者荣耀、绝地求生、阴阳师、天美工作室这样的领域化的词语。

这里参考了