《推荐系统实践》读书笔记
2024-01-05 10:01:30 0 举报AI智能生成
《推荐系统实践》读书笔记（下）
作者其他创作
大纲/内容
4. 利用社交网络数据
6.1 获取社交网络数据的途径
6.1.1 电子邮件
6.1.2 用户注册信息
6.1.3 用户的位置数据
6.1.4 论坛和讨论组
6.1.5 即时聊天工具
6.1.6 社交网站
社交图谱
兴趣图谱
6.2 社交网络数据简介
社交网络数据类型
双向确认的社交网络数据
单向关注的社交网络数据
基于社区的社交网络数据
社交网络数据中的长尾分布
入度反应用户的社会影响力：影响力大的用户占少数
出度代表一个用户关注的用户数：关注很多人的用户占少数
6.3 基于社交网络的推荐
优点
社交网络可以解决冷启动的问题
好友推荐可以增加推荐的信任度
6.3.1 基于领域的社会化推荐算法
6.3.2 基于图的社会化推荐算法
6.3.3 实际系统中的社会化推荐算法
6.3.4 社会化推荐系统和协同过滤推荐系统
6.3.5 信息流推荐
5. 利用用户标签数据
标签是一种无层次化结构的、用来描述信息的关键词
作者、专家打标
用户打标
4.1 UGC标签系统的代表应用
4.2 标签系统中的推荐问题
问题
如何利用用户打标签的行为为其推荐物品
如何在用户给物品打标签时为其推荐合适该物品的标签
4.2.1 用户为什么进行标注
4.2.3 用户打什么样的标签
表明物品是什么
表明物品的种类
表明谁拥有物品
表达用户的观点
用户相关的标签
用户的任务
4.3 基于标签的推荐系统
4.3.1 实验设置
4.3.2 基础算法
统计每个用户最常用的标签
对于每个标签，统计被打过这个标签次数最多的物品
对于一个用户，首先找到他常用的标签，然后找到具有这些标签的最热门物品推荐给这个用户。
4.3.3 算法的改进
1. TF-IDF
2. 数据稀疏性
计算标签相似度进行标签扩展
3. 标签清理
why
不是所有标签都能反应用户的兴趣
将标签作为推荐解释
how
去除词频很高的停止词
去除因词根不同造成的同义词
去除因分隔符造成的同义词
4.3.4 基于图的推荐算法
4.3.5 基于标签的推荐解释
标签云
让用户认同推荐的标签
让用户认同基于某个标签推荐的结果
客观事实类标签比主观感受类标签对用户更有作用
4.4 给用户推荐标签
4.4.1 为什么要给用户推荐标签
方便用户输入标签
提高标签质量
4.4.2 如何给用户推荐标签
1. 推荐给个系统最热门的
2. 推荐此物品上的最热门标签
3. 推荐用户常使用的标签
4. 将2和3融合，进行线性加权
4.4.3 实验设置
结论：方法2结果较好，方法4在不同的融合系数下差距大
冷启动问题
从物品的内容本身抽取关键词作为标签
标签扩展
4.4.4 基于图的标签推荐算法
4.5 扩展阅读
6. 利用上下文信息
5.1 时间上下文信息
5.1.1 时间效应简介
用户的兴趣是变化的
物品也是有生命周期的
季节效应
5.1.2 时间效应举例
5.1.3 系统时间特性的分析
系统的时间特性
数据集每天独立用户数的增长情况
系统的物品变化情况
物品平均在线天数
相隔T天系统物品流行度向量的平均相似度
用户访问情况
5.1.4 推荐系统的实时性
5.1.5 推荐算法的时间多样性
生成推荐结果时加入一定的随机性
对一直出现的推荐结果降权
使用不同的推荐算法
5.1.6 时间上下文推荐算法
1. 最近最热门
2. 时间上下文相关的itemCF算法
3. 时间上下文相关的userCF算法
5.1.7 时间段图模型
5.1.8 离线实验
5.2 地点上下文信息
兴趣本地化
活动本地化
0 条评论
下一页
