一文搞懂工程化協(xié)同推薦算法(一)
? ? ?作者：livan
? ? ?來源：數(shù)據(jù)EDTA
前言
推薦系統(tǒng)的重要性已經(jīng)不需要過多的強(qiáng)調(diào)了，隨處一搜索就能看到各領(lǐng)域的大佬告訴你推薦系統(tǒng)的構(gòu)建方法，面試的時(shí)候不講幾個(gè)協(xié)同都不好意思說自己懂算法，各個(gè)資料都會(huì)對(duì)協(xié)同的每一個(gè)細(xì)節(jié)詳細(xì)描述，但是，不知大家看完之后有沒有一個(gè)感觸：各個(gè)知識(shí)點(diǎn)都了解了，就是串不起了，而且也多少會(huì)有些疑惑，就這么簡(jiǎn)單？被全宇宙的人推崇的推薦算法就是簡(jiǎn)單的幾個(gè)表的來回計(jì)算嗎？那平時(shí)我們應(yīng)用的機(jī)器學(xué)習(xí)的各種算法都去哪里了？
1、協(xié)同推薦算法數(shù)理表達(dá)
市面上能接觸到的推薦內(nèi)容主要有兩類：一類是協(xié)同，多個(gè)表之間的計(jì)算推導(dǎo)，有一些機(jī)器學(xué)習(xí)的影子，但是明顯感覺到機(jī)器學(xué)習(xí)算法是對(duì)協(xié)同的一次次補(bǔ)充，不是推薦的主流算法，再深究一下，很多人就開始大肆宣傳深度學(xué)習(xí)的神奇之處，用深度學(xué)習(xí)進(jìn)行推薦推演是多么的精準(zhǔn)高效。一時(shí)間搞的筆者一頭霧水。筆者也就這個(gè)問題咨詢過一些老牌的推薦大佬，得到了各種各樣的答案。深思良久，筆者將自己對(duì)推薦算法的一些理解整理出來，有不足之處歡迎大家批評(píng)指正。
1） 推薦算法本質(zhì)上不是一個(gè)技術(shù)問題，而是一個(gè)用技術(shù)解決問題的解決方案。
推薦的產(chǎn)生是由于產(chǎn)品越來越多，而由于精力、手機(jī)屏幕大小的限制，客戶能看到的范圍有限，長(zhǎng)尾現(xiàn)象越來越嚴(yán)重，為了方便客戶獲取到想要的產(chǎn)品，各個(gè)公司開始考慮根據(jù)用戶的喜好推薦客戶有傾向的產(chǎn)品，盡量減少馬太效應(yīng)，推薦系統(tǒng)應(yīng)運(yùn)而生。
2） 推薦算法不是一個(gè)算法，而是一套算法集合，其算法范圍無所不包容。
推薦算法是由一系列算法組合而成，每個(gè)算法應(yīng)用場(chǎng)景不一樣，各個(gè)公司根據(jù)各自的客戶特征和商品屬性，挑選適合本公司使用的推薦邏輯，使用的算法也不完全一樣。協(xié)同推薦算法是比較早被研發(fā)出來的推薦邏輯，因?yàn)槠溥壿嬢^為清晰、可解釋性比較強(qiáng)、數(shù)據(jù)兼容性、可執(zhí)行性和工程化比較好，所以一直被各個(gè)公司應(yīng)用，后期推出的基于模型的推薦、基于深度學(xué)習(xí)的推薦也都能看到協(xié)同推薦的影子，可以說協(xié)同推薦是現(xiàn)在各個(gè)公司推薦系統(tǒng)的基礎(chǔ)邏輯。
????本文從推薦基礎(chǔ)的角度，將各個(gè)協(xié)同推薦的邏輯串聯(lián)在一起，希望能將協(xié)同推薦的基本結(jié)構(gòu)描述清楚，如有不足之處請(qǐng)指正：
協(xié)同推薦的基本內(nèi)容主要有三部分：
1） 基于用戶相似的推薦：
????主要是找尋興趣喜好相似的用戶，然后根據(jù)用戶購買的商品將商品推薦給相似的用戶。
????
????其中，用戶u和用戶v，令N(u)表示用戶u曾經(jīng)有過正面反饋的物品集合。????用戶對(duì)物品的感興趣程度：
2 ) 基于物品相似的推薦：
主要是找尋相似的商品，然后根據(jù)用戶購買的商品清單將相似商品推薦給用戶。
是同時(shí)喜歡物品i和j的用戶數(shù)。用戶對(duì)物品的喜好程度為：
3） 基于標(biāo)簽的推薦：
標(biāo)簽系統(tǒng)的主要原理是通過一定的方式標(biāo)記出用戶和商品的標(biāo)簽，進(jìn)而通過標(biāo)簽關(guān)聯(lián)用戶和商品。
用戶對(duì)標(biāo)簽的喜好程度為Pre(u,t)：
其中：
表示用戶u使用所有標(biāo)簽標(biāo)記的次數(shù)和，
表示所有用戶對(duì)所有標(biāo)簽的標(biāo)記計(jì)數(shù)和，
表示所有用戶對(duì)標(biāo)簽t的標(biāo)記計(jì)數(shù)和。
為用戶u的所有評(píng)分的平均值。
4） 基于上下文的推薦：
常規(guī)的基于用戶協(xié)同的推薦為：
在此基礎(chǔ)上修改計(jì)算方法為：
為計(jì)算用戶相似度時(shí)的時(shí)間衰減函數(shù)，N(i)為對(duì)物品i產(chǎn)生過行為的用戶個(gè)數(shù)，a為時(shí)間衰減因子，
為熱門懲罰函數(shù)。
???
?????其中，
為用戶對(duì)物品評(píng)分時(shí)的時(shí)間衰減函數(shù)。由此可以得出新的推薦計(jì)算方式。
通過上面的描述，大家是不是對(duì)推薦算法有一個(gè)數(shù)理方面的了解呢？不知道有多少大佬看到這里，接下來我們用庫表的語言再進(jìn)行一次匯總描述，畢竟，我們的所有計(jì)算最終都是要落到數(shù)據(jù)倉庫中的，表的形式表達(dá)是IT人員的必經(jīng)之路。
◆?◆?◆ ?◆?◆
長(zhǎng)按二維碼關(guān)注我們
數(shù)據(jù)森麟公眾號(hào)的交流群已經(jīng)建立，許多小伙伴已經(jīng)加入其中，感謝大家的支持。大家可以在群里交流關(guān)于數(shù)據(jù)分析&數(shù)據(jù)挖掘的相關(guān)內(nèi)容，還沒有加入的小伙伴可以掃描下方管理員二維碼，進(jìn)群前一定要關(guān)注公眾號(hào)奧，關(guān)注后讓管理員幫忙拉進(jìn)群，期待大家的加入。
管理員二維碼：
評(píng)論
圖片
表情