算法与推荐

一常见推荐策略及在ota上的应用‌‌一推荐系统‌‌

推荐系统是一种信息过滤系统,用于预测用户对物品的评分或偏好,‌‌个性化推荐的应用广泛,‌‌非电商,‌‌黑美人,淘宝,京东电影和视频,youtube,爱奇艺,腾讯视频,个性化音乐,stop, sign网易云音乐,QQ音乐‌‌新闻,今日头条,腾讯新闻‌‌

推荐系统通过不同的策略建立用户和物品的关系,从而将用户可能感兴趣的物品展示给用户‌‌策略,

一,基于物品的协同过滤,目前应用最多该策略的主要思路,给用户推荐那些和他们之间喜欢的物品相似的物品,‌‌因为是基于用户的历史行为,所以能够给推荐结果提供推荐理由,‌.

该策略主要分成两部,‌‌一基于全站用户的行为来计算物品间的相似度。‌‌二找到与用户历史偏好的相似物品案,‌‌相似度排序,推荐给用户‌‌策略,

二,基于用户的协同过滤,基于用户的协同过滤,是推荐系统中最古老的算法,‌‌该策略的主要思路给用户推荐,那些和该应用该用户相似即喜欢,但该用户未购买的物品,‌‌因为是基于相似,用户很难提供‌‌令用户幸福的推荐理由,‌‌

该策略主要分成三部,‌‌一,基于全站用户的行为来计算用户间的相似度,‌‌二找到与目标用户相似度的用户级,‌‌

三,过滤掉相似用户级的偏好产品集中目标,已经购买的产品,将剩下的产品推荐给用户。‌‌策略基于用户标签,数据人群或物品的特征,‌‌策略思路,‌‌给用户推荐和该用户兴趣相匹配的物品,该策略分成三部,‌‌

一,基于用户的行为,计算出用户的兴趣点,‌‌而找到与用户兴趣匹配的物品,按照匹配度排序推荐给用户。‌‌依赖用户对产品的搜索浏览和订单行为来计算一个产品的相似度,‌‌而基于用户最近浏览的产品,找到相似的产品,作为推荐产品及‌‌

三。‌‌同时补充一些热门产品,作为推荐产品及。‌

    原文作者:一枚产品
    原文地址: https://www.jianshu.com/p/e08f919c0be9
    本文转自网络文章,转载此文章仅为分享知识,如有侵权,请联系博主进行删除。
点赞