![](https://csdnimg.cn/release/download_crawler_static/86300453/bg7.jpg)
7
架构师特刊:推荐系统(理论篇)
话题等等)相似的项。
• 输入:仅仅依赖于项和用户的内容/描述(除了惯用数据)。
• 类型:
ο 信息检索(例如 tf-idf 和 Okapi BM25);
ο 机器学习(例如朴素贝叶斯、支持向量机、决策树等)。
• 优点:
ο 没有冷启动问题;
ο 不需要惯用数据;
ο 没有流行度偏见,可以推荐有罕见特性的项;
ο 可以使用用户内容特性来提供解释。
• 缺点:
ο 项内容必须是机器可读的和有意义的;
ο 容易归档用户;
ο 很难有意外,缺少多样性;
ο 很难联合多个项的特性。
混合推荐算法
• 简介:综合利用协同过滤推荐算法和基于内容的推荐算法各自的
优点同时抵消各自的缺点。
• 输入:同时使用用户和项的内容特性与惯用数据,同时从两种输
入类型中获益。
• 类型:
ο 加权;
ο 交换;
ο 混合;
ο 特性组合。