混合模型的推荐系统（ACM案例学习项目）
发布时间
阅读量：
阅读量
单纯依赖于基于内容、知识或协同滤波的推荐引擎的应用范围正逐步缩减。原因在于：基于内容的技术存在"过度个性化缺乏惊喜度"的问题；而协同过滤技术则面临着"冷启动"难题。因此，在解决这些问题方面取得平衡是一个合理的方向：采用基于内容的方法来应对冷启动挑战；同时利用协同过滤机制来提升用户体验带来的惊喜感。该博客致力于探索并实现结合内容型与协同过滤法的混合型推荐系统。
1. 简介：Netflix的成功
如先介绍混合推荐系统的基本概念,指出其通过整合多种基础模型以形成强大的可靠系统来为用户提供精准的产品建议.研究者们目前主要探索构建混合推荐系统的三条路径:一是采用基于内容与协同滤波等基础方法分别进行产品推荐,并根据自适应权重对各方法的预测结果进行融合;二是将内容基线方法融入协同过滤体系中,构建端到端式的 recommendation 引擎;三是将协同过滤策略整合进内容导向的基础体系中,同样构建出完整的 recommendation 系统架构.
Netflix就是凭借强大的、高度精准的混合式的推荐技术取得了市场的份额，并在网络电视/电影领域取得了空前的成功。当我们正在看一个电影时，Netflix的推荐系统就会利用基于内容的技术 为我推荐相同的影片，一个例子如下所示：
全部评论 (0)
还没有任何评论哟~