推荐系统的分类
根据不同分类原则可以对推荐系统进行分类.
根据实时性分类:
- 离线推荐
- 实时推荐
根据是否个性化分类
- 基于统计推荐(热门推荐, 每个用户的推荐内容一样)
- 基于个性化推荐
根据原则分类
- 基于相似性的推荐
根据相似的人, 或内容进行推荐 - 基于知识的推荐
事先设定推荐规则 - 基于模型的推荐
通过机器学习发掘规则, 进行推荐
根据数据源分类
- 基于人口统计学的推荐
用户数据, 一般难以获取 - 基于内容的推荐
- 基于协同过滤的推荐(用户与内容交互产生的用户行为数据)
推荐算法简介
主要有以下4种(根据数据源分类)
- 基于人口统计学的推荐
- 基于内容的推荐
- 基于协同过滤的推荐
- 混合推荐
基于人口统计学的推荐
根据用户的年龄, 性别等信息匹配出相似的用户, 基于相似用户来推荐内容
基于内容的推荐算法
根据内容的分类标签, 来匹配出相似的内容,
协同过滤(CF)推荐方法
- 协同过滤（Collaborative Filtering，CF）
- 基于近邻的协同过滤
- 基于用户（User-CF）
- 基于物品（Item-CF）
- 基于模型的协同过滤
- 奇异值分解（SVD）
- 潜在语义分析（LSA）
- 支撑向量机（SVM）