推荐系统

长尾商品：个性化的商品

推荐系统核心要素

①用户：与推荐系统进行交互，向用户推荐个性化商品

userID  用户名  注册时间  最后上线时间  age 

性别   城市   国别

②物品和内容

itemID  名称  描述  创建时间   更新时间 

分享次数    

③事件：用户和系统的交互过程

显示反馈：明确给出反馈

存在问题：数据稀少，用户个性影响评分，两级分化严重，脱离语境的显示反馈不用推荐

隐示反馈：用户没有明确的给出反馈，根据用户行为推测好物

用户行为：站上活动，交易行为，媒体消费

存在问题：无法获取负面行为，语境信息不可缺失

④语境

用户ID  物品ID  事件ID  事件类型   时间戳   

来源   设备操作系统   位置

结构

 

协同过滤推荐（Collaborative Filtering Recommendation）技术是推荐系统中应用最早和最为成功的技术之一。它一般采用最近邻技术，利用用户的历史喜好信息计算用户之间的距离，然后 利用目标用户的最近邻居用户对商品评价的加权评价值来预测目标用户对特定商品的喜好程度，系统从而根据这一喜好程度来对目标用户进行推荐。协同过滤最大优 点是对推荐对象没有特殊的要求，能处理非结构的复杂对象，如音乐、电影。