推荐系统

一、什么是推荐系统？

通过对用户信息、用户行为路径进行数据分析，帮助用户找到想要的东西或想看的资讯信息，发掘长尾。

二、推荐系统的类型

1、基于流行度的推荐算法

基于流行度的推荐算法非常简单粗暴，根据PV 、UV、日均PV或分享率等数据来按照某种热度排序来推荐给用户。
优点：适用于冷启动场景，推荐给新注册用户。
缺点：无法提供个性化推荐服务

2、基于协同过滤

基于用户的CF算法(User-based CF)和基于物品的CF算法(Item-based CF)
基于用户的CF：

• 分析各个用户对item的评价(通过浏览和购买记录)
• 依据用户对item的评价计算出所有用户之间的相似度
• 选出与当前用户最相似的N个用户
• 将这N个用户评分最高的item并且当前用户没有浏览过的item推荐给当前用户

基于物品的CF(以物品为主体)：

• 分析各个用户浏览item的记录
• 依据浏览记录分析各个item之间的相似度
• 对于当前用户评分高的item，找出与之相似度最高的item集合
• 将这个item集合推荐给用户

优点：精准推荐
缺点：1.过分依赖用户评分；
2.大概率推荐热item，无法解决长尾问题。