第一類：基于內(nèi)容的推薦
這類算法是基于所分析數(shù)據(jù)的一系列不相關(guān)的特征數(shù)據(jù)或者類似性質(zhì)，尋找較高屬性相似度的數(shù)據(jù)。在計(jì)算時(shí)，需要對(duì)原始數(shù)據(jù)通過(guò)特征提取的方法獲得對(duì)象內(nèi)容特征數(shù)據(jù)，系統(tǒng)基于用戶所操作對(duì)象的特征提取用戶的興趣。
最著名的基于內(nèi)容的推薦系統(tǒng)由PandoraRadio所使用。PandoraRadio的工作人員會(huì)為每一首歌從各個(gè)方面打上標(biāo)簽(作曲、演唱、年代、曲風(fēng)等，據(jù)稱有上百個(gè)標(biāo)簽)，并且用戶的反饋也會(huì)對(duì)這些標(biāo)簽的權(quán)重有所影響。而PandoraRadio則會(huì)依據(jù)這些標(biāo)簽來(lái)為用戶推薦歌曲。
目前，這種基于內(nèi)容的推薦系統(tǒng)使用范圍并不廣，這一系統(tǒng)的主要障礙在于特征提取。以PandoraRadio為例，他們需要成立一個(gè)專門(mén)的團(tuán)隊(duì)，負(fù)責(zé)聽(tīng)每一首歌，并打上標(biāo)簽。這樣的人力成本投入過(guò)高，且擴(kuò)展性不夠。
第二類：協(xié)同過(guò)濾
協(xié)同過(guò)濾推薦是當(dāng)前使用較多的技術(shù)，其基本思想非常易于理解，我覺(jué)得可以總結(jié)為“物以類聚，人以群分”，簡(jiǎn)單來(lái)說(shuō)就是類似的人喜歡類似的商品，而喜歡相似商品的人，往往也有著一些共同點(diǎn)。互聯(lián)網(wǎng)上用戶的一舉一動(dòng)，都可能被背后的計(jì)算機(jī)系統(tǒng)記錄下來(lái)，用作協(xié)同過(guò)濾分析的數(shù)據(jù)。
以一個(gè)比較簡(jiǎn)單的例子來(lái)說(shuō)明協(xié)同過(guò)濾的原理。下表為4個(gè)人對(duì)于6部電視劇的評(píng)價(jià)結(jié)果。可以看到，沒(méi)有任何兩個(gè)人的打分結(jié)果是一樣的，也沒(méi)有一部電視劇的得分結(jié)果是相同的。
但是，如果把某一位用戶的評(píng)分當(dāng)作一個(gè)多維向量的話，我們就可以得到4個(gè)向量，并看作用戶的特征。
Ben=[5,5,3,0,5,5]
Tom=[5,0,4,0,4,4]
John=[0,3,0,5,4,5]
Fred=[5,4,3,3,5,5]
在六維空間里，這4個(gè)向量的夾角即代表了用戶的相似度，夾角越小，相似度越高。在例子來(lái)源處詳細(xì)介紹了利用矩陣的奇異值分解法計(jì)算向量相似度的方法，得到的結(jié)果如右上圖所示，可見(jiàn)Ben與Fred對(duì)電視劇的口味最為相似。
協(xié)同評(píng)價(jià)推薦系統(tǒng)的最大優(yōu)點(diǎn)在于，計(jì)算機(jī)不需要真正地“理解”其所推薦的內(nèi)容，而且是依賴于大量人群的交互數(shù)據(jù)。在這個(gè)信息爆炸、計(jì)算機(jī)能力充足的時(shí)代，協(xié)同評(píng)價(jià)系統(tǒng)得到了非常廣泛的應(yīng)用。但協(xié)同評(píng)價(jià)同樣有著一定的局限性：
依賴于大量的數(shù)據(jù)，當(dāng)數(shù)據(jù)量較少(新品)時(shí)，推薦精度不夠;
當(dāng)前的推薦系統(tǒng)需要處理數(shù)以百萬(wàn)計(jì)的客戶及商品，其計(jì)算量非常龐大，對(duì)于計(jì)算能力及算法的要求非常高;
相對(duì)于數(shù)以百萬(wàn)計(jì)的商品，大部分消費(fèi)者的交互數(shù)據(jù)只會(huì)涉及其中不到1%的商品，也就意味著交互數(shù)據(jù)矩陣極為稀疏(99%以上為空)，算法設(shè)計(jì)困難。
不管是哪種推薦系統(tǒng)，依靠的都是豐富的消費(fèi)者應(yīng)用數(shù)據(jù)，并據(jù)此作出滿足消費(fèi)者潛在隱性需求的推薦。可以說(shuō)，相對(duì)于其他的關(guān)聯(lián)銷售方式，推薦系統(tǒng)能夠從某種程度上“理解”消費(fèi)者的需求，因而也會(huì)受到越來(lái)越多的重視。 本新聞共 2頁(yè),當(dāng)前在第 2頁(yè) 1 2 想認(rèn)識(shí)全國(guó)各地的創(chuàng)業(yè)者、創(chuàng)業(yè)專家，快來(lái)加入“中國(guó)創(chuàng)業(yè)圈”
|
