工业界常用个性化召回算法分类
- 基于item相似
item-cf,基于物品的协同过滤(LS算法属于User-Item CF,也叫做混合CF。它同时考虑了User和Item两个方面) - 基于图的推荐person-rank
优点:可解释性强,比较通俗易懂
缺点:缺乏新颖性 - 基于user profile的
经过用户自然属性,用户偏好,等统计,按类别来召回
优点:推荐效果不错
缺点:一旦用户被打上某个类别的标签之后,很难迁移到其余的一些标签 - 基于隐语义的
LFM(矩阵分解 spark 实现的 ALS算法-基于模型的协同过滤),基于用户行为的word2vec,深度学习网络等
网友评论