推荐系统技术(整理).pptx

计算读者相异性（续）
• 1.初次到来读者，采集读者信息后采用闵可夫斯基距离算法计算相异性，从而简单归结到
某一类型读者群中
• 2.对于经常借阅读者，由于采集数据较多，可以通过余弦相似性算法计算读者之间的距离
达到精确计算
• 3.对数据库中已有的读者信息，采用聚类模型把读者数据库中的读者划分为多个簇，即相
拓端咨询
基于频繁模式的推荐算法
• 完成对借阅室的借书历史纪录的整理和数据分析： • 采用A PRIORI算法建立了频繁模式
（发现哪些书籍经常被同时借出）
• 建立了强关联规则
（计算借了A书籍的同学可能同是借B数据的概率）
基于协同过滤推荐算法
• 完成了对读者的兴趣爱好、读书习惯的统计调
查
• 完成了统计读者对书籍的阅读体验、书籍评价、
分类等调查统计和分析
• 开发了基于协同过滤算法推荐算法，用作弱推
荐（准确度一般，时间短） （即具有相同（相似）兴趣爱好的读者可能对 相同题材（类别）感兴趣）
基于主因子分析筛选变量
• 计算发现读者感兴趣的内容涉及变量实在太多，冒然分析会出现过拟合问题，即系统越学
对书籍内容进行分析
• 对于没有电子档的书籍，基本属性进行聚类分析，采用以点带面的推荐模型
（某计算出某本书籍为推荐书籍时，同一簇书籍也可以作为候选推荐书）
பைடு நூலகம்
• 鼓励读者为书籍添加标签，评分，评价，读后感，积累数据后可再次对书籍进行分析
系统后续改进（项目目标之外）
• 正在建立神经网络模型基于读者和书籍内容的学习
越傻，推荐结果出错
（如读者性别、年龄、专业、兴趣、平常读书习惯、
书籍题材、作者等等）
• 采用主因子分析方法，计算每个变量对推荐准确度的贡献率，采用最有价值的变量

性能的优劣关键在于好的模型建立与否, 好的模型相对 原始数据集而言小得多却能挖掘出用户和项目之间更 多的潜在关系，一定程度上缓解了推荐算法的实时性 问题。
11
协同过滤——--基于模型
聚类
12
协同过滤——--基于模型
聚类 一个集群一旦形成之后，在这个集群中的其他用户的
观点可以被加权地用来作为为个人用户推荐的依据。
稀疏性问题 冷启动问题 可扩展性问题 实时性问题
9
协同过滤——--基于模型 实时性问题
可扩展性问题 稀疏性问题
10
协同过滤——--基于模型
将建模技术运用到协同过滤算法中, 采用一定方法训练 相关历史数据建立模型,当用户到达时,只需扫描一遍评 分数据库就能确定目标用户相对比较喜欢的项目,来实 现在线预测推荐。 线下：模型建立（数据挖掘技术） 模型具有滞后效应，需要周期性更新 模型建立算法复杂，耗时，必须线下进行 LIBBR
14
15
基于内容的推荐
优点： 即使用户没有对新加入的项目做出评分，该算法也有能
力为用户做出推荐。 如果不同的用户并不共享他们对于项目的评分信息，基
于内容的推荐算法也能应对自如 如果用户的偏好发生了变化，它能够在极短的时间内做
推荐算法综述
1
推荐系统目的：
解决信息过载问题
宗旨：
为用户快速找到其所需要的信息
2
经典的推荐技术
推荐 系统
基于 内容的 推荐
基于 协同过 滤的推 荐
基于 混合的 推荐
基于 内存的 推荐
基于 模型的 推荐
基于 用户的 推荐 3
基于 项目的 推荐
聚类 技术、关联 规 则挖 掘、贝叶 斯网 络、神经 网络等 等

8.1 推荐系统概念
第八章 推荐系统
8.1.3 推荐系统评测指标
1. 预测准确度 预测准确度是最重要的推荐系统离线评测指标，其度量一个推荐系统或者推荐算法预测 用户行为的能力。 在计算该指标时需要有一个离线的数据集，该数据集包含用户的历史行为记录。然后， 将该数据集通过时间分成训练集和测试集。最后，通过在训练集上建立用户的行为和兴趣模 型预测用户在测试集上的行为，并计算预测行为和测试集上实际行为的重合度作为预测准确 度。离线的推荐算法有不同的研究方向： （1）评分预测 很多提供推荐服务的网站都有一个让用户给物品打分的功能。如果知道了用户对物品的 历史评分，就可以从中获得用户的兴趣模型，并预测该用户在将来看到一个他没有评过分的 物品时，会给这个物品评多少分。预测用户对物品评分的行为称为评分预测。 评分预测的预测准确度一般通过均方根误差（RMSE）和平均绝对误差（MAE）计算。
11 of 91
8.1 推荐系统概念
8.1.2 发展历史
第八章 推荐系统
4.再前进阶段
由于推荐系统实际应用效果显著，近年来国际学术界与其相关的研究极为活跃。 2006年，MyStrands组织了Recommenders06大会，这是一个介绍推荐系统现状和未 来的暑期班。推荐系统研究的顶级会议是美国计算机学会（ACM）每年举办的RecSys 年会，该会议自2007年以来每年举行一次，成为全球关于推荐系统研究的最重要的交 流渠道和把脉其最新进展的重要窗口。上述事件揭示了人们对于基于上下文的推荐越来 越感兴趣，乐于改进研究方向使其立足于理解人们如何与机构或企业互动。
健壮性：具有经济效益的算法系统常常会受人攻击，以搜索引擎为例，如果某个商品称 为热门搜索词的第一个搜索结果，将会带来极大的商业利益，因此，搜索引擎的作弊和反作 弊斗争异常激烈。目前，推荐系统也遇到了同样的作弊问题，而健壮性（即robust，鲁棒性） 指标衡量了一个推荐系统抗击作弊的能力。

Item的属性可以分为结构化属性和非结构化属性两种，结构化的属性例如 颜色、价格等可以直接当作特征；对于非结构化的属性例如Item的描述文 本，需要先转化为结构化数据。
对于文本类的非结构化数据，为了将其转化为结构化的数据，常用的办法 有TF-IDF、词向量等方法。
TF-IDF(即词频-逆向文件频率)是一种自动提取关键词的算法，通过该算法 可以将文本转化为特征向量。 词频（term frequency，tf）指的是某一个给定的词语在该文件中出现的频 率 逆向文件频率（inverse document frequency，idf）是一个词语普遍重要性 的度量
•路径数、路径长度、经过的顶点
学习交流PPT
22
用户物品二分图模型
基本原理
利用用户标签数据
•通过一些特征（feature）联系用户和物品，给用户推荐那些具有用户喜 欢的特征的物品。
利用上下文信息
•用户所处的上下文（context），包括用户访问推荐系统的时间、地点、心情等， 对于提高推荐系统的推荐效果是非常重要的。
图2-4：优酷的电影推荐列表
学习交流PPT
15
应用场景
3. 个性化音乐网络电台
•网易云音乐
图2-5：网易云音乐个性化歌曲推荐的用户界面
学习交流PPT
16
应用场景
4. 社交网络
•Facebook
图2-5：基于Faceb学oo习k好交流友P的PT个性化推荐列表
17
应用场景
5. 其他
•个性化阅读
• Google Reader的社会化阅读
• 利用Item Profile构建User Profile
• Personalized IR related