推荐系统初探(一)

从这里开始我的推荐系统学习吧！

1.基于人口统计学的推荐：

• 优点：适用于冷启动，领域独立。
• 缺点：粗糙，敏感信息的获取难度

2.基于内容的推荐：

• 基础假设：用户口味的不变性
• 优点：�

3.协同过滤推荐：

• （1）基于用户的推荐:喜欢类似物品的用户可能有相同或者相似的口味和偏好。
• （2）基于项目的推荐:喜欢类似物品的
  注：基于项目的协同过滤推荐和基于内容的推荐其实都是基于物品相似度预测推荐，只是相似度计算的方法不一样， 前者是从用户历史的偏好推断，而后者是基于物品本身的属性特征信息。
• （3）基于模型的推荐

3.混合推荐：

• （1）加权
• （2）切换
• （2）分区
• （3）分层

引用：
推荐引擎初探
如何学习推荐系统？