知识卡片
三种推荐方法各自押了什么假设
按推荐方法分类,实质是按「偏好从哪里推断」分类。每种方法都押了一个前提,前提不成立就会失效:
| 方法 | 核心假设 | 失效条件 |
|---|---|---|
| 基于内容 | 物品特征可提取;用户兴趣可由其已选物品代表 | 多媒体特征提不准;用户没有历史;只能推相似物,惊喜度低 |
| 协同过滤 | 相似用户或相似物品的偏好可迁移;有足够稠密的评价数据 | 没有用户数据;评价稀疏,长尾物品无人评 |
| 混合 | 不同方法的错误不高度相关 | 两个方法依赖同一份数据、同一种相似度定义,混合只是重复计算 |
协同过滤内部还有一层分工:基于用户的协同过滤先找兴趣相似的用户群,再推荐该群体喜欢而目标用户没听说的物品(思想接近聚类);基于项目的协同过滤则从所有用户对物品的评价反推物品间相似度,再把相似物品推给用户;基于模型的协同过滤先用统计或机器学习方法在已有数据上训练模型,再做预测。
注意冷启动的不对称:基于内容没有物品冷启动(新物品只要有特征就能被匹配),却有用户冷启动(用户向量必须由历史累积);协同过滤两类都怕。这个不对称直接决定补数据的着力点——补物品特征还是补用户行为。
这张卡片看不懂?
这张卡片已通过人工审查,不再接受失败反馈。
已有反馈 · 0 条
还没有人提交反馈。
在整书笔记中的位置
原书出处 · 1 处
- 第2章 搜索系统和推荐系统常识 · 查看原书依据
这种方法利用用户已经选择的对象,从候选集中找出与用户已选对象相似的对象作为推荐结果。这一推荐策略是首先提取推荐对象的内容特征,并和用户模型中的用户兴趣匹配。
参考来源
- 位置:《智能搜索和推荐系统:原理、算法与应用(零基础掌握搜索和推荐系统的原理、架构、算法) (智能系统与技术丛书)》第2章 搜索系统和推荐系统常识(源文件:extracted/智能搜索和推荐系统:原理、算法与应用(零基础掌握搜索和推荐系统的原理、架构、算法) (智能系统与技术丛书)/_epub-src/text/part0034.html)
- 结论依据:原文把基于内容的推荐描述为「用已选对象找相似对象」并依赖内容特征与用户兴趣匹配,正好暴露了它「特征可提取、兴趣可由历史代表」两个隐含前提。
- 原始内容:这种方法利用用户已经选择的对象,从候选集中找出与用户已选对象相似的对象作为推荐结果。这一推荐策略是首先提取推荐对象的内容特征,并和用户模型中的用户兴趣匹配。