“豆瓣”式推荐

本文探讨了物品推荐算法的基本原理,通过分析用户行为和物品属性,例如分类和标签,来推荐相似物品。例如,基于用户对《长尾理论》的喜爱,可能会推荐《蓝海战略》等同类书籍。

确定物品之间的关系:

  1. 分类
  2. 标签
  3. 喜欢此物的其他人喜欢的

举例:《长尾理论》,大类是书籍;标签:如,长尾 、web2.0;喜欢这本书的可能喜欢《蓝海战略》,这样就可以根绝这三个条件得到与《长尾理论》相关的推荐。

这样的推荐,必须是书、音乐、电影之类的实物,对于一篇论坛里面的帖子的相关帖子也这样计算就有点得不偿失了。

如果要给用户推荐相关的物品,可以使用:

  1. 用户常用的标签
  2. 用户喜欢的东西的分类和标签

想来,豆瓣的算法大致也就是这样做的,具体如何实现就不知道了。

评论
添加红包

请填写红包祝福语或标题

红包个数最小为10个

红包金额最低5元

当前余额3.43前往充值 >
需支付:10.00
成就一亿技术人!
领取后你会自动成为博主和红包主的粉丝 规则
hope_wisdom
发出的红包
实付
使用余额支付
点击重新获取
扫码支付
钱包余额 0

抵扣说明:

1.余额是钱包充值的虚拟货币,按照1:1的比例进行支付金额的抵扣。
2.余额无法直接购买下载,可以购买VIP、付费专栏及课程。

余额充值