盤點4種常用的推薦算法

導(dǎo)讀：推薦系統(tǒng)大量使用了機(jī)器學(xué)習(xí)技術(shù)，本文簡單介紹一下推薦系統(tǒng)常用的策略與算法。

作者：劉強(qiáng)  來源：大數(shù)據(jù)DT（ID：hzdashuju）

01 基于內(nèi)容的推薦

推薦系統(tǒng)是通過技術(shù)手段將標(biāo)的物與人關(guān)聯(lián)起來，標(biāo)的物包含很多屬性，用戶通過與標(biāo)的物的交互會產(chǎn)生行為日志，通過這些行為日志可以挖掘出衡量用戶對標(biāo)的物偏好的標(biāo)簽（將標(biāo)的物的屬性賦予喜歡它的用戶，讓用戶具備這個標(biāo)簽），通過這些偏好標(biāo)簽為用戶做推薦就是基于內(nèi)容的推薦算法。

拿視頻推薦來說，視頻有標(biāo)題、國別、年代、演職員、標(biāo)簽等信息，用戶以前看過某類視頻，就代表用戶對這些視頻有興趣，比如用戶偏好恐怖、科幻類電影，這樣用戶的電影偏好就被打上了恐怖、科幻的標(biāo)簽，我們就可以根據(jù)這些興趣特征為用戶推薦恐怖、科幻類電影。

02 協(xié)同過濾

用戶在產(chǎn)品上的交互行為為用戶留下了標(biāo)記，我們可以利用“物以類聚、人以群分”的樸素思想來為用戶提供個性化推薦。

具體來說，“人以群分”就是找到與用戶興趣相同的用戶（有過類似的行為），將這些興趣相同的用戶瀏覽過的標(biāo)的物推薦給用戶，這就是基于用戶的協(xié)同過濾算法。

“物以類聚”就是如果有很多用戶都對某兩個標(biāo)的物有相似的偏好，說明這兩個標(biāo)的物是“相似”的，我們可以通過推薦與用戶喜歡過的標(biāo)的物相似的標(biāo)的物這種方式為用戶提供個性化推薦，這就是基于物品的協(xié)同過濾推薦算法。

圖1-2簡單說明了這兩類協(xié)同過濾算法。

▲圖1-2 兩類協(xié)同過濾推薦算法

03 基于模型的推薦

一般來說，可基于用戶行為記錄、用戶相關(guān)信息（年齡、性別、地域和消費(fèi)習(xí)慣等）及標(biāo)的物相關(guān)信息來構(gòu)建算法模型，預(yù)測用戶對物品的偏好，常用的算法包括logistic回歸、矩陣分解、分解機(jī)等。

隨著深度學(xué)習(xí)技術(shù)的發(fā)展，目前有很多深度學(xué)習(xí)相關(guān)的算法落地到了推薦系統(tǒng)上，并產(chǎn)生了很好的效果。

04 基于社交關(guān)系的推薦

我們在日常生活中經(jīng)常為別人或者要求別人給我們推薦書籍、 餐廳、電影等，這種推薦方式往往效果較好，大家也更容易接受。

微信“看一看”模塊中的“在看”就是通過將你的微信好友看過的文章展示給你來實現(xiàn)推薦的，張小龍在2019年微信8周年的微信公開課上說到，“在看”比“看一看”模塊中的“精選”效果好很多，而“精選”就是通過算法來實現(xiàn)的推薦。

在這些推薦算法中，基于內(nèi)容的推薦和協(xié)同過濾推薦是最古老、最常用的推薦算法，實現(xiàn)相對簡單，效果也很不錯，在工業(yè)界得到了大規(guī)模的應(yīng)用。

關(guān)于作者：劉強(qiáng)，碩士學(xué)歷，09年畢業(yè)于中國科學(xué)技術(shù)大學(xué)數(shù)學(xué)系。有12年大數(shù)據(jù)與推薦系統(tǒng)實踐經(jīng)驗，精通企業(yè)級推薦系統(tǒng)的構(gòu)建。從零到一打造過千萬級DAU視頻APP的推薦系統(tǒng)，推薦系統(tǒng)產(chǎn)生的流量占全APP流量的30%。在過去的3年內(nèi)為多家中小型互聯(lián)網(wǎng)公司(流媒體、在線教育、跨境電商等)提供技術(shù)咨詢，幫助他們從零到一構(gòu)建推薦系統(tǒng)。

本文摘編自《構(gòu)建企業(yè)級推薦系統(tǒng)》，經(jīng)出版方授權(quán)發(fā)布。

推薦語：推薦算法工程師必讀。推薦系統(tǒng)專家集10年實踐經(jīng)驗之作，從場景、算法、工程、運(yùn)營、實踐等多維度深度梳理構(gòu)建企業(yè)級推薦系統(tǒng)的方法。

推薦閱讀
（點擊標(biāo)題可跳轉(zhuǎn)閱讀）
我的深度學(xué)習(xí)之路
測評：《機(jī)器學(xué)習(xí)中的數(shù)學(xué)》
6行代碼！用Python將PDF轉(zhuǎn)為word
Yahoo的這個騷操作令人費(fèi)解。。。
Tensorflow是系統(tǒng)派，Pytorch是算法派
老鐵，三連支持一下，好嗎？↓↓↓