溫馨提示×

溫馨提示×

您好,登錄后才能下訂單哦!

密碼登錄×
登錄注冊×
其他方式登錄
點擊 登錄注冊 即表示同意《億速云用戶服務條款》

互聯(lián)網(wǎng)中推薦系統(tǒng)的示例分析

發(fā)布時間:2021-08-17 09:11:52 來源:億速云 閱讀:133 作者:小新 欄目:開發(fā)技術(shù)

這篇文章主要介紹了互聯(lián)網(wǎng)中推薦系統(tǒng)的示例分析,具有一定借鑒價值,感興趣的朋友可以參考下,希望大家閱讀完這篇文章之后大有收獲,下面讓小編帶著大家一起了解一下。

基于內(nèi)容的推薦系統(tǒng)

根據(jù)每部電影的內(nèi)容以及用戶已經(jīng)評過分的電影來判斷每個用戶對每部電影的喜好程度,從而預測每個用戶對沒有看過的電影的評分。

互聯(lián)網(wǎng)中推薦系統(tǒng)的示例分析

電影內(nèi)容矩陣X * 用戶喜好矩陣θ = 電影評分表

那么,用戶喜好矩陣θ(用戶對于每種不同類型電影的喜好程度)如何求解呢?

用戶喜好矩陣θ的代價函數(shù):

互聯(lián)網(wǎng)中推薦系統(tǒng)的示例分析

互聯(lián)網(wǎng)中推薦系統(tǒng)的示例分析 

其中,正則化項為防止過擬合。

  • 優(yōu)點:

            (1)不存在商品冷啟動問題

            (2)可以明確告訴用戶推薦的商品包含哪些屬性

  • 缺點:

             (1)需要對內(nèi)容進行透徹的分析

             (2)很少能給用戶帶來驚喜

             (3)存在用戶冷啟動的問題

基于協(xié)同過濾的推薦系統(tǒng)

根據(jù)電影評分表和用戶喜好矩陣θ,來求得電影內(nèi)容矩陣X。然后,將電影內(nèi)容矩陣X與用戶喜好矩陣θ相乘,這樣就得到了一個完整的電影評分表。

 互聯(lián)網(wǎng)中推薦系統(tǒng)的示例分析

所以,基于協(xié)同過濾的電影推薦就是根據(jù)每個用戶對于每種電影類型的喜好程度以及用戶已經(jīng)評過分的電影來推斷每部電影的內(nèi)容,從而預測每個用戶對沒有看過的電影的評分。

那么,如何求解電影內(nèi)容矩陣X呢?

電影內(nèi)容矩陣X的代價函數(shù):

互聯(lián)網(wǎng)中推薦系統(tǒng)的示例分析

用戶喜好矩陣X的獲?。?/p>

(1)通過在線問卷調(diào)查來獲取用戶對電影的評價,但并不是所有的用戶都會填寫,就算填寫了,也不一定全部是正確信息;

(2)通過一種更高效的方式來同時求解電影內(nèi)容矩陣X和用戶喜好矩陣θ.

通過前面,可以看到電影內(nèi)容矩陣X和用戶喜好矩陣θ,它們的第一項是相同的,因此,我們可以將這兩個公式合并為一個公式來同時求解X與θ,這種方法的好處就是只用搜集用戶對電影的評分。

互聯(lián)網(wǎng)中推薦系統(tǒng)的示例分析

目標是最小化這個代價函數(shù),隨機初始化X和θ,通過梯度下降法或其他優(yōu)化算法求解。

(1)基于item的協(xié)同過濾

 先計算商品之間的相似度,然后根據(jù)商品之間的相似度來向用戶進行推薦,如:用戶購買了硬盤,則很有可能向用戶推薦u盤,因為硬盤和u盤具有相似性。

在基于item的協(xié)同過濾中,只需要用戶對商品的評分,首先需要計算商品之間的相似度。

如何度量商品之間的相似度?

互聯(lián)網(wǎng)中推薦系統(tǒng)的示例分析

計算出商品之間的相似度之后, 我們就能夠預測用戶對商品的評分。

互聯(lián)網(wǎng)中推薦系統(tǒng)的示例分析

互聯(lián)網(wǎng)中推薦系統(tǒng)的示例分析:商品i 與其他商品的相似度

互聯(lián)網(wǎng)中推薦系統(tǒng)的示例分析:用戶u對其他商品的評分

分母:與商品 i 相似的商品的相似度的總和

表達的是:根據(jù)用戶u對其他和商品 i 相似的商品的評分來推斷用戶對商品 i 的評分。 當求出用戶u對所有商品的預測評分后,將其進行排序,選擇得分最高的商品推薦給用戶。

(2)基于用戶的協(xié)同過濾

基本思想:假設我們要對用戶A進行推薦,首先要找到與用戶相似的其他用戶,看其他用戶都購買過其他商品,把其他用戶購買的商品推薦給用戶A。

這時就需要度量用戶之間的相似度,與基于item的協(xié)同過濾類似:

互聯(lián)網(wǎng)中推薦系統(tǒng)的示例分析

互聯(lián)網(wǎng)中推薦系統(tǒng)的示例分析:用戶u對商品 i 的評分

互聯(lián)網(wǎng)中推薦系統(tǒng)的示例分析:用戶u對這些商品評分的平均值

計算了用戶之間的相似度之后就可以預測用戶對商品的評分。

 商品評分公式:

互聯(lián)網(wǎng)中推薦系統(tǒng)的示例分析

公式表示:根據(jù)與用戶u相似的其他用戶對商品i 的評分來推斷用戶u對商品i 的評分。 當求出用戶u對所有商品的預測評分后,將其進行排序,選擇得分最高的幾個商品推薦給用戶。

  • 基于協(xié)同過濾推薦系統(tǒng)的優(yōu)點:

(1)能夠根據(jù)各個用戶的歷史信息推斷出商品的質(zhì)量

(2)不需要對商品有任何專業(yè)領(lǐng)域的知識

  • 缺點:

(1)冷啟動問題

(2)gray sheep

(3)協(xié)同過濾的復雜度會隨著商品數(shù)量和用戶數(shù)量的增加而增加

(4)同義詞的影響

(5)shilling attack:對競爭對手的商品專門打低分,對自己的商品打高分

日常生活中,我們每個人其實都直接或者間接接觸過推薦系統(tǒng),也都享受過推薦系統(tǒng)帶來的生活上便利。

感謝你能夠認真閱讀完這篇文章,希望小編分享的“互聯(lián)網(wǎng)中推薦系統(tǒng)的示例分析”這篇文章對大家有幫助,同時也希望大家多多支持億速云,關(guān)注億速云行業(yè)資訊頻道,更多相關(guān)知識等著你來學習!

向AI問一下細節(jié)

免責聲明:本站發(fā)布的內(nèi)容(圖片、視頻和文字)以原創(chuàng)、轉(zhuǎn)載和分享為主,文章觀點不代表本網(wǎng)站立場,如果涉及侵權(quán)請聯(lián)系站長郵箱:is@yisu.com進行舉報,并提供相關(guān)證據(jù),一經(jīng)查實,將立刻刪除涉嫌侵權(quán)內(nèi)容。

AI