推荐系统基本概念与分类

前言

刚接触推荐系统，有错误的地方还请各位指正，感谢理解~

一、什么是推荐系统？

推荐系统是能找出用户和物品之间联系的信息过滤系统。推荐系统主要有两个显著的特征：

1. 主动性：从用户角度考虑。不需要用户提供明确的需求，能够自主通过分析用户与物品之间的关联数据进行建模，为用户提供可能感兴趣的信息。
2. 个性化：能够挖掘冷门信息推荐给用户。

总之，推荐系统推荐的物品通常来说不是对用户有帮助的，就是用户自己感兴趣的。

二、推荐系统的分类

推荐系统分类方法有很多种，依据推荐算法，可以将其分为基于内容的推荐、基于协同过滤的推荐和混合推荐。

1.基于内容的推荐

这种方法利用用户已经选择的对象，从候选集中找出与用户已选对象相似的对象作为推荐结果。这种方法的策略是首先提取推荐对象的内容特征，并和用户模型中的用户兴趣匹配。
如下图，用户A喜欢具有特征A、B的商品A，而商品C也具有特征A、B，商品A与商品C相似，于是商品C被推荐给用户A。
基于内容的推荐有如下优点：1) 简单有效，推荐结果较为直观，可解释性强；2) 没有新推荐对象冷启动的问题；3) 简单的分类方法就能够支持该策略。缺点有：1)受推荐对象特征提取能力的限制，对多媒体、文本资源的特征提取不够全面；2) 很难提出新颖的推荐结果，难以发现用