作者：HaigLee
https://www.jianshu.com/u/67ec21fb270d
本文由 HaigLee 发布。未经许可，禁止转载。

1.主要问题

要想实现隐语意模型，需要解决如下几个问题：
（1）如何对物品进行分类，分为几类？
（2）如何确定用户对哪些物品类别有兴趣？兴趣度是多少？
（3）对于一个给定的类别，选择这个类别下的哪些物品进行推荐？如何确定物品在该类别中的权重？

2. 问题方案

• 对于问题（1），如果找专家对物品进行分类，将面临以下两个问题。
  • 不同的专家对物品对认知不同，会将同一个物品分为不同对类别；
  • 很难把控类别对粒度；
• 对于问题（2），可以人为标注短期内的用户兴趣类别，但是随着时间的推移，用户的兴趣是会发生变化的，很难稳定且明确地知道用户的兴趣类别。
• 对于问题（3），一个物品可能属于多个类别，但是同一个物品在不同的类别下权重是不一样的，很难确定一个物品在某一分类中的权重。
• 基于以上局限性，显然不能靠由个人的主观想法建立起来的分类标准对整个平台用户对兴趣度进行标准化。隐语意模型是从用户的偏好数据出发进行个性化推荐的，即基于用户的行为统计进行自动聚类，所以能解决以上提到的几个问题。

3. 隐语意模型特性

（1）隐语意模型是基于用户的行为数据进行自动聚类的，能反映用户对物品对分类意见，可以指定将物品聚类的类别数k，k越大，则粒度越细；
（2）隐语意模型能动态获取用户的兴趣类别和程度，因为它是基于用户的行为数据进行的统计分析；
（3）隐语意模型能够计算出物品在各个类别中的权重，这是根据用户的行为数据统计的，不会只将其归到一类中。隐语意模型得到的物品类别不是基于同一个纬度的，他的纬度是由用户的共同兴趣决定的。

作者：HaigLee
https://www.jianshu.com/u/67ec21fb270d
本文由 HaigLee 发布。未经许可，禁止转载。