推荐算法介绍课件.pptx

《推荐算法介绍课件.pptx》由会员上传分享，免费在线阅读，更多相关内容在教育资源-天天文库。

1、推荐算法介绍目录二、为什么需要推荐算法-Why三、推荐算法的常用领域-Where四、写在推荐之前-冷启动问题五、推荐引擎分类一、什么是推荐算法-What六、常用推荐算法介绍一、什么是推荐算法-What所谓推荐算法就是利用用户的一些行为，通过一些数学算法，推测出用户可能喜欢的东西。最早的推荐系统出现在1992年，是一种基于协同过滤算法的邮件过滤系统。近些年由于互联网的爆发，推荐算法变得比较火热。数据抽取>数据仓库>数据建模>前端展现二、为什么需要推荐算法-Why信息超载用户无明确需求数据抽取>数据仓库>数据建模>前端展现二、为什么需要推荐算法-Why随着互联

2、网技术和社会化网络的发展，每天大量的信息被发布到网上，使得信息资源呈几何级速度增长。在这样的情形下，搜索引擎（Google、百度、Bing等等）成为大家快速找到目标信息的最好途径。在用户对自己需求相对明确的时候，用搜索引擎通过关键字搜索能很快的找到自己需要的信息。但搜索引擎并不能完全满足用户对信息发现的需求，因为在很多情况下，用户并不明确自己的需要，或者他们的需求很难用简单的关键字来表述，又或者他们需要更加符合他们个人口味和喜好的结果。正是由于这种信息的爆炸式增长，以及对信息获取的有效性、有针对性的需求使得推荐系统应运而生。与搜索引擎相对应，大家习惯称之为

3、推荐引擎。数据抽取>数据仓库>数据建模>前端展现二、为什么需要推荐算法-Why推荐系统的主要任务就是联系用户和信息。对用户而言，推荐系统能帮助用户找到喜欢的物品/服务，帮忙进行决策，发现用户可能喜欢的新事物；对商家而言，推荐系统可以给用户提供个性化的服务，提高用户信任度和粘性，增加营收。我们可以通过一组数据了解推荐系统的价值：Netflix：2/3被观看的电影来自推荐；Google新闻：38%的点击量来自推荐；Amazon：35%的销量来自推荐。数据抽取>数据仓库>数据建模>前端展现三、推荐算法的常用领域-Where目前，推荐系统已经渗透到了我们日常生活中

4、的方方面面：电子商务、电影或视频网站、个性化音乐网络电台、社交网络、个性化阅读、基于位置的服务、个性化邮件、个性化广告……。在你逛淘宝、订外卖、听网络电台、看美剧、查邮件、淘攻略的时候，推荐系统在你不知不觉中将你可能感兴趣的内容推送给你。和搜索引擎不同，个性化推荐系统需要依赖用户的行为数据，一般都是作为一个应用存在于不同网站之中。在互联网的各大网站中都可以看到推荐系统的影子。数据抽取>数据仓库>数据建模>前端展现三、推荐算法的常用领域-Where淘宝京东当当亚马逊数据抽取>数据仓库>数据建模>前端展现三、推荐算法的常用领域-Where音乐（网易云音乐、QQ

5、音乐、酷狗、虾米等）电影（时光网、豆瓣）图书（豆瓣）……数据抽取>数据仓库>数据建模>前端展现三、推荐算法的常用领域-Where各社交平台今日头条数据抽取>数据仓库>数据建模>前端展现三、推荐算法的常用领域-Where浏览网页时出现在页面上的各种广告广告联盟数据抽取>数据仓库>数据建模>前端展现四、写在推荐之前-冷启动问题推荐系统需要根据用户的历史行为和兴趣来预测用户未来的行为和兴趣，如何在没有用户行为数据，对用户一无所知的情况下进行最有效的推荐呢？这就衍生了冷启动问题。数据抽取>数据仓库>数据建模>前端展现四、写在推荐之前-冷启动问题用户冷启动：如何给新

6、用户做个性化推荐。新的用户因为没有在产品上留下行为数据，自然无法得知新用户的喜好。物品冷启动：如何将新的物品推荐给可能对它感兴趣的用户。因为新物品还没有用户行为数据，自然也无法得知什么样的用户对其感兴趣；系统冷启动：如何在一个新开发的网站上设计个性化推荐系统，从而在网站刚发布时就让用户体会到个性化推荐。新网站没有用户，没有用户行为，只有部分物品信息。冷启动的分类数据抽取>数据仓库>数据建模>前端展现四、写在推荐之前-冷启动问题1、提供非个性化的推荐提供热门排行榜：最简单的例子就是给用户推荐热门排行榜，等到用户数据收集到一定的时候，再切换为个性化推荐；推荐随

7、机的热门内容：推荐随机的热门内容，再通过评估用户的点击来快速调整（实时推荐的好处）；提供具有很高覆盖率的启动物品集合：在冷启动时，我们不知道用户的兴趣，而用户兴趣的可能性非常多，我们需要提供具有很高覆盖率的启动物品集合，这些物品能覆盖几乎所有主流的用户兴趣。数据抽取>数据仓库>数据建模>前端展现四、写在推荐之前-冷启动问题2、利用用户注册信息人口统计学信息：年龄、性别、职业、民族、学历和居住地等；用户兴趣的描述：部分网站会让用户用文字来描述兴趣；从其他网站导入的用户站外行为：比如用户利用社交网站账号登录，就可以在获得用户授权的情况下导入用户在该社交网站的部

8、分行为数据和社交网络数据。数据抽取>数据仓库>数据建模>前端展现四