鉴于最近推荐算法的火热程度,我们耳熟能详的公司都在使用推荐算法,来使我们的生活变得更加便捷。我也想了解了解这种算法,到底是什么样的算法能让网易云音乐每天都能按我的口味推荐歌曲呢?
- 基于内容推荐
优点: 推荐结果直观,容易解释; 不需要领域知识
缺点: 新用户问题; 复杂属性不好处理; 要有足够数据构造分类器
- 协同过滤推荐
优点: 新异兴趣发现、不需要领域知识; 随着时间推移性能提高; 推荐个性化、自动化程度高; 能处理复杂的非结构化对象
缺点: 稀疏问题; 可扩展性问题; 新用户问题; 质量取决于历史数据集; 系统开始时推荐质量差;
- 基于规则推荐
优点: 能发现新兴趣点; 不要领域知识
缺点: 规则抽取难、耗时; 产品名同义性问题; 个性化程度低;
- 基于效用推荐
优点: 无冷开始和稀疏问题; 对用户偏好变化敏感; 能考虑非产品特性
缺点: 用户必须输入效用函数; 推荐是静态的,灵活性差; 属性重叠问题;
- 基于知识推荐
优点: 能把用户需求映射到产品上; 能考虑非产品属性
缺点: 知识难获得; 推荐是静态的