
课程咨询: 400-996-5531 / 投诉建议: 400-111-8989
认真做教育 专心促就业
个性化推荐功能的应用对增加用户粘性有很大的帮助作用,而今天我们就通过案例分析来了解一下,个性化推荐系统都用到了哪些算法。
Contentedbased:
基于内容的推荐算法。主要根据用户的浏览记录,或者购买记录,向用户推荐与其浏览记录或者购买记录相似的物品。
CollaborativeFilter:
基于协同过滤的推荐算法。主要根据拥有相同经验或者相同群体的喜好,为用户推荐感兴趣的资讯或者物品。例如用户A和用户B相似,就可以把用户B喜欢的物品推荐给用户A。协同过滤算法还可以分为基于用户的协同算法和基于物品的协同算法。
Hybrid:
混合推荐算法,将不同的算法混合使用。可以在不同阶段使用不同的推荐算法,也可以对多个推荐算法进行不同的处理,然后将多个推荐算法的结果耦合,将终结果推荐给用户。
ModelBased:
基于模型的推荐算法。将用户的profile和物品的properties作为特征,用机器学习模型,来预测用户对物品的喜好程度。在推荐系统中,经常会用到点击率(CTR)来表示喜好程度。点击率表示用户点击物品的概率,点击率越高说明用户对该物品的喜好程度越高。
【免责声明】:本内容转载于网络,转载目的在于传递信息。文章内容为作者个人意见,本平台对文中陈述、观点保持中立,不对所包含内容的准确性、可靠性与完整性提供形式地保证。请读者仅作参考。更多内容请在707945861群中学习了解。