个性化推荐算法:
推荐算法分为三类:基于内容的推荐算法,协同过滤推荐算法和混合推荐算法
基于内容的推荐算法,将用户喜欢和关注过的Item将内容上类似的Item推荐给用户。如你看了敷脸1,那将会推荐给你复联2,3,4.
协同过滤算法(Collaborative filtering),包括基于用户的协同过滤和基于Item的协同过滤。挖掘与你具有相同兴趣的人,分析他们的行为,并向你推荐相同的项目,这是基于用户的协同过滤。而基于Item的协同过滤就是找到跟你喜好最相似的商品,推荐给你。
混合推荐算法,则会融合以上方法,以加权或者串联、并联等方式进行建模。常用的包括传统机器学习算法如因子分解机(FM,FFM),LR,GBDT,RF 和近几年流行起来的DNN和FM结合的算法。
矩阵分解:u是第i个用户的兴趣向量,v是第j个电影的参数向量。我们用u和v的点积来估算电影的评分。
特征工程 ,模型学习
网友评论