基于模型的協同過濾算法

本節介紹基于模型的協同過濾算法¹在Top-N推薦中的應用。

核心思想是 通過隱含特征（latent factor）聯系用戶興趣和物品 。

思路：對于某個用戶，首先得到其興趣分類，然后從分類中挑選其可能喜歡的物品。

上述基于興趣分類的方法需要解決3個問題：

如何給物品進行分類？

如何確定用戶對哪些類的物品感興趣，以及感興趣的程度？

對于一個給定的類，選擇哪些屬于這個類的物品推薦給用戶，以及如何確定這些物品在一個類中的權重？

基礎算法

不同于通過編輯給物品進行分類，而是從數據出發， 自動地給物品進行分類， 然后進行個性化推薦。

隱含語義分析技術采取 基于用戶行為統計的自動聚類 ，能較好地解決通過編輯進行分類的5種問題：

• 編輯的意見不能代表各種用戶的意見（分類從物品內容出發還是從用戶出發）

  隱含語義分析技術的分類來自對用戶行為的統計，代表了用戶對物品分類的看法。隱含語義分析技術和ItemCF在物品分類方面的思想類似， 如果兩個物品被很多用戶同時喜歡，那么這兩個物品就很有可能屬于同一個類。

• 編輯很難控制分類的粒度

  隱含語義分析技術允許指定最終有多少個分類，這個數字越大?

總結

以上是生活随笔為你收集整理的【推荐系统】基于模型的协同过滤算法的全部內容，希望文章能夠幫你解決所遇到的問題。

如果覺得生活随笔網站內容還不錯，歡迎將生活随笔推薦給好友。