admin 管理员组

文章数量: 1087139


2024年1月24日发(作者：stroke英文)

商品推荐算法的代码与讲解

基本概念

1、解决什么问题:信息过载

2、使命:联系用户和信息

3、区别于分类网站(2345、雅虎):覆盖面广、具有个性化

4、区别于搜索引擎(Google):主动、用户不需要提供明确需求

1、户:户属性、用户标签、社交网络、ip地址、网络设备、位置定位

2、物品:物品属性、物品标签

3、户《一行为一》物品

推荐系统的评测指标

1、户满意度:在线指标

2、预测准确性:离线指标

3、覆盖率

4、多样性

5、新颖性

6、惊喜度

7、信任度:是否提供推荐解释

8、实时性

9、健壮性

10、商业目标

实际中,为了保证能够快速生成推荐结果,如果使用itemCF,需要预先建立并保存物品间的相似度矩阵。相反,如果使用userCF,需要

预先建立并保存用户间的相似度矩阵。

所以,假设你开发了一个小说阅读器APP,在运营的初期,你可能只有1000个用户,但有0000的小说资源。那么如果你使用itemCF进

行推荐,所占用的计算和存储资源是userCF的(10000^2/1000^2=100)100倍。

反过来,如果你已经拥有了类似与起点小说这样的用户规模,你的用户已经远远大于你的商品数量。那么你使用itemCF进行推荐将更为

合适


本文标签： 推荐 用户 物品 小说 指标

版权声明：本文标题：商品推荐算法的代码与讲解 内容由网友自发贡献，该文观点仅代表作者本人， 转载请联系作者并注明出处：http://roclinux.cn/b/1706078676a500988.html， 本站仅提供信息存储空间服务，不拥有所有权，不承担相关法律责任。如发现本站有涉嫌抄袭侵权/违法违规的内容，一经查实，本站将立刻删除。