基于內容的推薦算法概覽
大?。?/span>0.3 MB 人氣： 2017-10-09 需要積分：1
標簽：推薦算法(9906)
為推薦系統選擇正確的推薦算法非常重要，而可用的算法很多，想要找到最適合所處理問題的算法還是很有難度的。這些算法每種都各有優劣，也各有局限，因此在作出決策前我們應當對其做以衡量。在實踐中，我們很可能需要測試多種算法，以便找出最適合用戶的那種；了解這些算法的概念以及工作原理，對它們有個直觀印象將會很有幫助。推薦算法通常是在推薦模型中實現的，而推薦模型會負責收集諸如用戶偏好、物品描述這些可用作推薦憑借的數據，據此預測特定用戶組可能感興趣的物品。
主要的推薦算法系列有四個（表格1-4）：
協同過濾（Collaborative Filtering）的推薦算法
基于內容過濾（Content-based Filtering）的推薦算法
混合型推薦算法
流行度推薦算法
此外，還有很多高級或非傳統的方式，可參見表格5。
本文是系列文中的第一篇，將會以表格形式來介紹推薦算法的主要分類，包括算法簡介、典型的輸入內容、常見的形式及其優劣。在系列文的第二與第三篇中，我們將會更詳細地介紹各種算法的不同，以便讓大家更深入地理解其工作原理。本文的某些內容是基于一篇2014年的推薦算法2014教程《推薦問題再探（Recommender Problem Revisited）》來撰寫的，該文的作者是Xavier Amatriain。
表格一：協同過濾推薦算法概覽
非常好我支持^.^
(0) 0%
不好我反對
(0) 0%