Table of Contents

1、协同过滤

概念

如何协同过滤,来对用户A进行电影推荐?

2、内容推荐

概念

如何通过基于内容的推荐,来对求职者A进行职位推荐?

3、相似性推荐

概念

在给新用户推荐电影的场景中,相似性推荐算法是如何工作的?

4、关联规则推荐

概念

如何给买啤酒的人推荐其他的食品?

5、个性化推荐

概念

快车司机接的单子越多,平台返的优惠卷越少

参考


1、协同过滤

概念

采用最近邻技术,利用用户的历史喜好信息计算用户之间的距离,然后利用目标用户的最近邻居用户对商品评价的加权评价值来预测目标用户对特定商品的喜好程度,从而根据这一喜好程度来对目标用户进行推荐。

为一用户找到他真正感兴趣的内容的好方法是首先找到与此用户有相似兴趣的其他用户;然后将他们感兴趣的内容推荐给此用户。其基本思想非常易于理解,在日常生活中,人们往往会利用好朋友的推荐来进行一些选择。基于协同过滤的推荐算法正是把这一思想运用到电子商务推荐系统中来,基于其他用户对某一内容的评价来向目标用户进行推荐。

如何协同过滤,来对用户A进行电影推荐?

  • 找到用户A(user_id=1)的兴趣爱好
  • 找到与用户A(user_id=1)具有相同电影兴趣爱好的用户群体集合 Set<user_id>
  • 找到该群体喜欢的电影集合 Set<movie_id>
  • 将这些电影 Set<Movie_id>推荐给用户A(user_id=1)

2、内容推荐

概念

在基于内容的推荐系统中,项目或对象是通过相关特征的属性来定义的,系统基于用户评价对象的特征、学习用户的兴趣,考察用户资料与待预测项目的匹配程度。用户的资料模型取决于所用的学习方法,常用的有决策树、神经网络和基于向量的表示方法等。基于内容的用户资料需要有用户的历史数据,用户资料模型可能随着用户的偏好改变而发生变化。

基于内容的推荐算法的优势在于:对用户兴趣可以很好的建模,并且可以通过对物品维度属性的增加提高了推荐精度。不足之处:建模数据不够多的时候,难以获得更准确的数据;物品属性有限,难以获得更多的数据;物品相似度的衡量标准只考虑到了物品本身,有一定的片面性。

如何通过基于内容的推荐,来对求职者A进行职位推荐?

答:

  • 找到用户A感兴趣的职位集合
  • 找到职位集合的具体化内容
  • 将内容中的共性列出来
  • 根据共性内容查找符合条件的职位,推送给用户A

3、相似性推荐

概念

对于新的用户 A,没有他的数据,在他点击了item1 之后,将 item1 相似的数据推荐给新用户A。

在给新用户推荐电影的场景中,相似性推荐算法是如何工作的?

答:

  • 新用户A 看了一个导演A导演的由演员B、C、D演的电影1
  • 根据导演和演员获取其他电影
  • 将电影推荐给新用户

4、关联规则推荐

概念

关联规则就是在一个交易数据库中统计购买了商品集X的交易中有多大比例的交易同时购买了商品集Y,其直观的意义就是用户在购买某些商品的时候有多大倾向去购买另外一些商品。比如购买牛奶的同时很多人会购买面包。

如何给买啤酒的人推荐其他的食品?

答:

  • 从全量的订单交易信息中找到买啤酒的人还都买了其他什么东西
  • 在这些东西中,找出被买次数的 topn
  • 将 topn 推给其他买啤酒的人

5、个性化推荐

概念

为了提高内容产品的消费的转化而进行的基于用于自身特点的推荐,希望经过推荐提高内容的消费转化率,让用户用的开心,内容也得到最大程度的利用。

快车司机接的单子越多,平台返的优惠卷越少

  • 新注册的司机,返现卷加油卷等是赔着钱的给司机返
  • 跑了100单,加油卷没了,只有返现卷
  • 跑了1000单,返现卷也没了
  • 5000单,司机赚的钱趋于平稳

参考

  • http://mp.weixin.qq.com/s?__biz=MjM5ODYxMDA5OQ==&mid=2651961068&idx=1&sn=d271a2aa035b87eede2cbedb6f147087&chksm=bd2d03308a5a8a269ec3c50e478e54266f3d6b3c6cbac83fa48da335406eca2aef1e013ea21f&mpshare=1&scene=24&srcid=1030Vm1PEOMtC26zlAwDu9cL&sharer_sharetime=1572406142998&sharer_shareid=d9aa5cc2173da0b6e7986bcb8eaa57fd#rd
  • https://baike.baidu.com/item/%E6%8E%A8%E8%8D%90%E7%AE%97%E6%B3%95/6560536?fr=aladdin

大数据推荐算法概念简述相关推荐

  1. 南大用“推荐算法”分宿舍666,新生配好舍友美滋滋

    去年,南京大学通过网络问卷调查,给新生按照生活习惯分宿舍,"早起鸟"和"夜猫子"互不干扰,这项颇为人性化的举措曾经赢得一片叫好. 今年,南大的宿舍分配方案有了更 ...

  2. 大数据推荐(个性化推荐)

    大数据推荐分享.三场讲座系统的讲解了关于基于大数据的个性化推荐的体系和针对模型的探索.作为讲师主讲了关于个性化推荐的一些流程和算法. 转载于:https://www.cnblogs.com/wenBl ...

  3. 未来3大趋势:人工智能 产业互联网 大数据与算法

    https://www.toutiao.com/a6663751400771551747/ 2019-03-02 19:19:25 过去几十年是互联网飞速发展的时代,从90年代的网页互联网到新千年的P ...

  4. 大数据聚类算法性能比较及实验报告

    在大数据领域这个聚类算法真是起到了十分重要的作用,只有通过有效地聚类才能得到非常直观的结果. 有一个实验要求对比两种大数据聚类算法的性能,具体的代码也不是由我实现的,我只是改了一部分,主要还是博客大佬 ...

  5. 人工智能快速发展的核心要素,大数据、算法和超级计算的介绍

    人工智能涉及的学科非常多.比如说计算机科学.脑科学.哲学.心理学.语言学等.学术界目前还没有统一的人工智能定义,不同研究方向的专家对人工智能的理解不一样,定义也有所侧重.目前比较通俗的定义是:人工智能 ...

  6. 大数据常用算法及场景

    大数据常用算法及场景 大数据的挖掘是从海量.不完全的.有噪声的.模糊的.随机的大型数据库中发现隐含在其中有价值的.潜在有用的信息和知识的过程,也是一种决策支持过程.其主要基于人工智能,机器学习,模式学 ...

  7. 机器学习及大数据经典算法笔记汇总

    机器学习及大数据经典算法笔记汇总 一.总结 二.机器学习及大数据算法 机器学习及大数据经典算法笔记汇总 一.总结 前面的博文,介绍了很多TensorFlow 以及 DeepLeaning 的算法.这里 ...

  8. 大数据新算法在个人信用风险评估模型中使用效果的评估

    风控系统资料 https://www.jianshu.com/p/db2aece905a7 基于大数据和机器学习的Web异常参数检测系统Demo实现 https://www.freebuf.com/a ...

  9. 程序员、大数据、算法黑科技

    黑科技,数学建模,程序员,大数据,算法,大伙按需自取. 环球最黑科技 ID:huanqiuhei 只有你想不到,没有做不到 每天一条环球黑科技资讯,各种外网传送门 你不仅能看到,关键还能买到! 来不及 ...

最新文章

  1. 一台计算机有64,在同一台计算机上使用带有32位和64位Altium设计软件的数据库元件库...
  2. CentOS关机大法之shutdown应用实例
  3. Java 7:复制和移动文件和目录
  4. 本地计算机用plsql访问虚拟机中的oracle数据库
  5. 大数据总监python可视化分析30W数据后,找到了抹黑我们的原因
  6. django基础知识之验证码:
  7. Mysql Linux安装详细步骤
  8. Hive sql语句必练50题
  9. air for android 使用ANE来获取安卓手机IMEI号
  10. python为什么是蛇的天敌_青蛙和蛇一直是天敌,只知道蛇会吃青蛙,你知不知道青蛙也吃蛇...
  11. 基于51单片机的超声波测距
  12. 64位处理器_计算机基础:处理器
  13. [HDU5956]The Elder
  14. linux iptables实现单机多ip出口ip负载均衡(宽带叠加)
  15. 游戏设计模式-观察者模式
  16. 右键文件夹提示“No localized file found - emedloc.dll”
  17. m0n0wall 软件防火墙 虚拟机中 安装与配置
  18. PMP证书的含金量高吗?值得考吗?
  19. 未来科幻点击解谜游戏《英科迪亚》现已登陆NS
  20. 解决CSDN上传图片失败的问题

热门文章

  1. markdown转VNode
  2. Linux怎样关闭防火墙?
  3. MySQL修改字段、修改表索引等操作
  4. 余世维成功经理人讲座
  5. AAC Advanced Audio Coding(高级音频编码)资料整理
  6. java 迭代器的hasnext,在Python迭代器中具有hasNext?
  7. 算法小课堂(十)随机化算法
  8. 迪思杰支持mysql_迪思杰Oracle数据库复制产品
  9. 详解JVM之双亲委派机制
  10. vue实例和组件的区别