推薦系統(tǒng)概述

推薦系統(tǒng)概述2學(xué)習(xí)任務(wù)推薦系統(tǒng)的概念長(zhǎng)尾理論推薦方法3知識(shí)目標(biāo)01能力目標(biāo)02學(xué)習(xí)目標(biāo)什么是推薦系統(tǒng)長(zhǎng)尾理論推薦方法4目錄01推薦系統(tǒng)的概念02長(zhǎng)尾理論03推薦方法5推薦系統(tǒng)的概念什么是推薦系統(tǒng)隨著互聯(lián)網(wǎng)的飛速發(fā)展，網(wǎng)絡(luò)信息的快速膨脹讓人們逐漸從信息匱乏的時(shí)代步入了信息過(guò)載的時(shí)代。借助于搜索引擎，用戶可以從海量信息中查找自己所需要的信息。但是，通過(guò)搜索引擎查找內(nèi)容是以用戶有明確的需求為前提的，用戶需要將其需求轉(zhuǎn)化為相關(guān)的關(guān)鍵詞進(jìn)行搜索。因此，當(dāng)用戶需求很明確時(shí)，搜索引擎的結(jié)果通常能夠較好地滿足用戶需求。比如，用戶打算從網(wǎng)絡(luò)上下載一首由筷子兄弟演唱的、名為《小蘋果》的歌曲時(shí)，只要在百度音樂搜索中輸入“小蘋果”，就可以找到該歌曲的下載地址。然而，當(dāng)用戶沒有明確需求時(shí)，就無(wú)法向搜索引擎提交明確的搜索關(guān)鍵詞，這時(shí)，看似“神通廣大”的搜索引擎也會(huì)變得無(wú)能為力，就難以幫助用戶對(duì)海量信息進(jìn)行篩選。比如，用戶突然想聽一首自己從未聽過(guò)的最新流行歌曲，面對(duì)眾多的當(dāng)前流行歌曲，用戶可能顯得茫然無(wú)措，不知道哪首歌曲適合自己的口味，因而他就不可能告訴搜索引擎要搜索什么名字的歌曲，搜索引擎自然無(wú)法為其找到愛聽的歌曲。6推薦系統(tǒng)的概念什么是推薦系統(tǒng)推薦系統(tǒng)是可以解決上述問(wèn)題的一個(gè)非常有潛力的辦法，它通過(guò)分析用戶的歷史數(shù)據(jù)來(lái)了解用戶的需求和興趣，從而將用戶感興趣的信息、物品等主動(dòng)推薦給用戶?，F(xiàn)在讓我們?cè)O(shè)想一下生活中可能遇到的場(chǎng)景：假設(shè)你今天想看電影，但又沒有明確想看哪部電影，這時(shí)你打開在線電影網(wǎng)站，面對(duì)近百年來(lái)所拍攝的成千上萬(wàn)部電影，要從中挑選一步自己感興趣的電影就不是一件容易的事情。我們經(jīng)常會(huì)打開一部看起來(lái)不錯(cuò)的電影，看幾分鐘后無(wú)法提起興趣就結(jié)束觀看，然后繼續(xù)尋找下一部電影，等終于找到一部自己愛看的電影時(shí)，可能已經(jīng)有點(diǎn)筋疲力盡了，渴望休閑的心情也會(huì)蕩然無(wú)存。為了解決挑選電影的問(wèn)題，你可以向朋友、電影愛好者進(jìn)行請(qǐng)教，讓他們?yōu)槟阃扑]電影。但是，這需要一定的時(shí)間成本，而且，由于每個(gè)人的喜好不同，他人推薦的電影不一定會(huì)令你滿意。此時(shí)，你可能更想要的是一個(gè)針對(duì)你的自動(dòng)化工具，它可以分析你的觀影記錄，了解你對(duì)電影的喜好，并從龐大的電影庫(kù)中找到符合你興趣的電影供你選擇。這個(gè)你所期望的工具就是“推薦系統(tǒng)”。推薦系統(tǒng)就是自動(dòng)聯(lián)系用戶和物品的一種工具，和搜索引擎相比，推薦系統(tǒng)通過(guò)研究用戶的興趣偏好，進(jìn)行個(gè)性化計(jì)算。推薦系統(tǒng)可發(fā)現(xiàn)用戶的興趣點(diǎn)，幫助用戶從海量信息中去發(fā)掘自己潛在的需求。7長(zhǎng)尾理論長(zhǎng)尾結(jié)論從推薦效果的角度而言，熱門推薦往往能去的不俗的效果，這也是為何各類網(wǎng)站中都能見到熱門排行榜的原因。但是，熱門推薦的主要缺陷在于推薦的范圍有限，所推薦的內(nèi)容在一定時(shí)期內(nèi)也相對(duì)固定，無(wú)法為用戶提供新穎且有吸引力的推薦結(jié)果，自然也難以滿足用戶的個(gè)性化需求。從商品的角度而言，推薦系統(tǒng)要比人呢推薦更加有效，前者可以更好地發(fā)掘“長(zhǎng)尾商品”。美國(guó)《連線》雜志主編ChrisAnderson于年提出了“長(zhǎng)尾”概念，用來(lái)描述以亞馬遜為代表的電子商務(wù)網(wǎng)站的商業(yè)和經(jīng)濟(jì)模式。電子商務(wù)網(wǎng)站相比于傳統(tǒng)零售店而言，銷售的種類更加繁多。雖然絕大數(shù)商品都不熱門，但是這些不熱門商品總數(shù)量及其龐大，所累計(jì)的總銷售額將是一個(gè)可觀的數(shù)字，也許會(huì)超過(guò)熱門商品所帶來(lái)的銷售額。熱門商品往往代表了用戶的普遍需求，而長(zhǎng)尾商品則代表了用戶的個(gè)性化需求。一次，通過(guò)發(fā)掘商品可提高銷售額，但這就需要充分地研究用戶的興趣，而這正是推薦系統(tǒng)主要解決的問(wèn)題。推薦系統(tǒng)通過(guò)發(fā)掘用戶的行為記錄，找到用戶的個(gè)性化需求，發(fā)現(xiàn)用戶潛在的消費(fèi)傾向，從而將長(zhǎng)尾商品準(zhǔn)確地推薦給需要它的用戶，幫助用戶發(fā)現(xiàn)那些他們感興趣但卻很難發(fā)現(xiàn)的商品，最終實(shí)現(xiàn)用戶與商家的雙贏。8推薦方法推薦方法推薦系統(tǒng)的本質(zhì)是建立用戶與物品的聯(lián)系，根據(jù)推薦算法的不同，推薦方法包括如下5類。（1）專家推薦。專家推薦是傳統(tǒng)的推薦方式，本質(zhì)上是一種人工推薦，有資深的專業(yè)人士來(lái)進(jìn)行物品的篩選和推薦，需要較多的人力成本?，F(xiàn)在專家推薦結(jié)果主要是作為其他推薦算法結(jié)果的補(bǔ)充。（2）基于統(tǒng)計(jì)的推薦?；诮y(tǒng)計(jì)信息的推薦（如熱門推薦），概念直觀，易于實(shí)現(xiàn)，但是對(duì)用戶個(gè)性化偏好的描述能力較弱。（3）基于內(nèi)容的推進(jìn)?；趦?nèi)容的推薦是信息過(guò)濾技術(shù)的延續(xù)與發(fā)展，更多地是通過(guò)機(jī)器學(xué)習(xí)的方法去描述內(nèi)容的特征，并基于內(nèi)容的特征來(lái)發(fā)現(xiàn)與之相似的內(nèi)容。9推薦方法推薦方法（4）協(xié)同過(guò)濾推薦。協(xié)同過(guò)濾推薦是推薦系統(tǒng)中應(yīng)用最早和成功的技術(shù)之一。它一般采用最近鄰技術(shù)，利用用戶的歷史信息計(jì)算用戶之間的距離，然后利用目標(biāo)用戶的最近鄰用戶對(duì)商品的評(píng)價(jià)信息來(lái)預(yù)測(cè)目標(biāo)用戶對(duì)特定商品的喜好程度，最后根據(jù)這一喜好程度對(duì)目標(biāo)用戶進(jìn)行推薦。（5）混合推薦。在實(shí)際應(yīng)用中，單一的推薦算法往往無(wú)法取得良好的推薦效果，一次多數(shù)推薦系統(tǒng)會(huì)對(duì)多種推薦算法進(jìn)行有機(jī)組合，如在協(xié)同過(guò)濾之上基于內(nèi)容的推薦。基于內(nèi)容的推進(jìn)與協(xié)同過(guò)濾推薦有相似之處，但是基于內(nèi)容的推薦關(guān)注的是物品本身