知识卡片

普通读书笔记卡 · 2807.d

多种推荐算法组合

理解等级:未标注

完善的推荐系统通常综合使用多种算法,再根据 A/B 测试确定各自结果的比例。主流算法有:内容相似、关联规则(Apriori、FP-树)、协同过滤(基于用户或物品,对卫生纸这类人人常买的物品要加惩罚因子)、主题模型等。新用户缺少行为时,让其注册时自选兴趣标签,并结合热门标签推荐。

这张卡片看不懂?

已有反馈 · 0 / 10 条

    还没有人提交反馈。

    原书出处

    参考来源

    - 位置:《分布式实时计算框架原理及实践案例》第9章《综合实例:新闻推荐中的用户画像近实时更新》(源文件:_epub-src/OEBPS/Text/chapter11_0001.xhtml) - 结论依据:原文说明完善的推荐系统一般综合使用若干推荐算法,根据A/B测试以合适比例综合推荐结果;主流算法包括内容相似、关联规则(Apriori、FP-树)、协同过滤(基于用户和物品,高频物品需加惩罚因子)、主题模型等;新用户注册时选择兴趣标签并结合热门标签推荐。 - 原始内容:在一个比较完善的推荐系统里,一般都是若干种推荐算法的综合使用,根据A/B测试,最终以合适的比例综合推荐结果给用户展示。……所以像卫生纸这样的物品在计算时,相似度权重需要加上惩罚因子或干脆直接去掉这类数据。