透过产品看算法——走进个性化推荐系统.pdf

透过产品看算法——走进个性化推荐系统.pdf

ID:55609731

大小:981.17 KB

页数:3页

时间:2020-05-18

透过产品看算法——走进个性化推荐系统.pdf_第1页
透过产品看算法——走进个性化推荐系统.pdf_第2页
透过产品看算法——走进个性化推荐系统.pdf_第3页
资源描述:

《透过产品看算法——走进个性化推荐系统.pdf》由会员上传分享,免费在线阅读,更多相关内容在行业资料-天天文库

1、走进个性化推荐系统一无论如何,个性化推荐系统还是迄今为止我们面临长尾时代最有效的过滤器之。如果在你的应用中用户面临海量的选择,各个选择之间存在流派、IZl味的差异,同时每个选择所付出的成本并不太高,那么试试个性化推荐技术,这可能是个不错的选择。●文/王守岜nextb成功的商业推荐系统的重要组成部分。“▲协同过滤的基本思想就是物以类聚,”一W巍豢僦蒜蒺耋曩纛黧薹人以群分,猜个人在看什么书,只者们不断的寻找,什么是继搜索引擎流的口味和流行潜质,可以说是非个需要看看那些和他口味相似的人在读一些什么后下

2、个能对人们生活产生实质性影性化的推荐系统。真正以满足单个用。与传统的基于内容的推荐不晌的技术创新?SNS,Recommender户需求为目标的个性化推荐系统最早同,协同过滤完全基于用户的访问记【1JSystem(推荐系统),语义网络出现在20世纪90年代,Tapestry,录,不需要先验的知识,同时也非常(SemanticWeb)【2l一,这些是最近几年不GroupLens这些项目和产品都把个易于理解。这样个简单的想法经过断被人们提及的方向。SNS已经有了性化推荐算法作为技术核心,根据用复杂的数

3、学模型包装之后显示出巨大‘的威力大批拥趸,包括Facebook这样成功的户的偏好和访问记录向他们推荐适合,到今天,重要的电子商务和应用;而面对当前的网络环境,语义其1:3味的文章、电影等。这些推荐系信息过滤应用中都可以看到它的身影。网络还显得有点曲高和寡:对于推荐统的基础都是一种被称作协同过滤系统,从业者的熟悉程度则介乎两者(CollaborativeFiltering)的算法,事实成功的商业推荐系统[3’之间,往往是知其然而不知其所以然。上,这个算法直到今天还是绝大部分2003年GregLin

4、den等3人在一下面我们就结合一些具体的应用谈谈IEEEInternetComputing上发表了小硎酬哈制系列萌。代选替密矾推荐系统的发展和前景。A5訾等等篇文童:《亚马逊的推荐:基于条目B3545一的协同过滤》,这是亚马逊第次公C57,33推荐系统的历史D。5,5开披露它长期以来引以为傲的个性“”推荐是信息广泛流通之后图1协同过滤的简化原理:相似的用户有相似的口味。用户化推荐弓1擎的算法框架。这篇论文提‘。自然而然的产物,无论是门户网站冒嚣宝需釜箱嚣?蔷型蔫瘩裂婆錾孬裂甓雾募舅i出用条目的相

5、似性指标替代传统协116程序员月度关注MonthlyFocusCustomersWhoBoughtThhItemAlsoBough引擎计算的与之相似—幽Sc。Kh:的条目。经测算,这—Jl曩羞I受≯I一栏目大约会增加豆如生些土&《£睦!目!虬£鲤垦垒!型蛆』女M盈堕瓣条目约20%的PV。f业Od∞Tepuo~。"O●★★★Allal,111'B收藏超过一定数量的图2Amazoncom:买了((TheLongTail>>的用户还购买了用户“豆,还可以通过”同过滤算法中用户相似性指标,并且last.

6、fm加入了社会网络、音乐人、相瓣猜直接获得推荐。在九点,推荐一把推荐的过程明确分为离线计算和在关活动、视频、标签等元素,建立起引擎向经常阅读博客文章的用户推荐一完整的音乐互动社区线计算两部分。这样做方面大大提升。他可能感兴趣的文章。在数字音乐领;了系统的可扩展能力,可以把相似性等域,豆瓣正在尝试个性化电台,在囊一括了近百万单曲版权资源的基础之上繁重的计算离线进行:另方面,通过个性化推荐技术在豆瓣的应用■,2005年3月6目豆瓣上线的第一豆瓣电台根据用户的收听记录降低在线计算的负载可以提高服务的响

7、、收藏天“应速度,显著改善用户体验。这篇文章,创始人阿北在网站右下角的关以及在豆瓣的其他行为向用户推荐相】”“豆瓣帮助你通过你(包括Sarwa一4等人在2001年的文章)于豆瓣中写道关单曲,并根据用户的反馈动态调整迅速引起了个性化推荐领域学术界和企喜爱的东西找到志同道合者,然后通播放列表。”【7】业界的注意,也标志着个性化推荐系统过他们找到更多的好东西。事实上,正式进入互联网主流应用的视野。亚豆瓣创立之初,阿北就意识到个性化前沿进展马逊的推荐系统包括两部分一推荐算法对于人们在面临众多不同口最近几

8、年个性化推荐领域最引人,部分“味的选择时所起到的重大的帮助作用是每个条目下的购买了这个条目的;注目的事件图莫过于Netflix大奖㈡赛。1这_[■”一同时——豆瓣用户还购买了条目列表,包括些,豆瓣最初的推荐引擎个总奖金额超过100万美元,历时3一版代码相关比例的统计数据,也就是上文提猜的第,也是阿北用python年的大奖赛几个月前(2009年9月21一写的到的条目相似性;另部分是针对每。日)刚刚尘埃落定,100万美元的大奖’个注册用户的个性化推荐,颁给了BellKorsPragmatic欢迎,胖

当前文档最多预览五页,下载文档查看全文

此文档下载收益归作者所有

当前文档最多预览五页,下载文档查看全文
温馨提示:
1. 部分包含数学公式或PPT动画的文件,查看预览时可能会显示错乱或异常,文件下载后无此问题,请放心下载。
2. 本文档由用户上传,版权归属用户,天天文库负责整理代发布。如果您对本文档版权有争议请及时联系客服。
3. 下载前请仔细阅读文档内容,确认文档内容符合您的需求后进行下载,若出现内容与标题不符可向本站投诉处理。
4. 下载文档时可能由于网络波动等原因无法下载或下载错误,付费完成后未能成功下载的用户请联系客服处理。