《推荐引擎讲解》PPT课件.ppt

1,首都经济贸易大学信息学院研究生,推荐引擎/推荐系统,首都经济贸易大学 信息学院 康永胜,2,推荐系统概述,传统推荐系统介绍,基于信任的推荐系统介绍,多种推荐策略的混合应用,3,传统推荐系统介绍,基于信任的推荐系统介绍,多种推荐策略的混合应用,4,什么是推荐引擎/推荐系统？,综合利用用户的行为、属性，对象的属性、内容、分类，用户对对象的喜好，以及用户之间的社交关系等等，挖掘用户的喜好和需求，主动向用户推荐其感兴趣或者需要的对象。,数据源 处理 输出,5,传统推荐系统介绍,基于信任的推荐系统介绍,多种推荐策略的混合应用,6,推荐引擎的特点,主动推荐：推荐引擎不是被动查找，而是主动推送；不是独立媒体，而是媒体网络；不是检索机制，而是主动学习。 推荐方法多样化：推荐引擎利用基于内容、基于用户行为、基于社交关系网络等多种方法，为用户推荐其喜欢的商品或内容。,7,传统推荐系统介绍,基于信任的推荐系统介绍,多种推荐策略的混合应用,8,推荐引擎的作用,提高用户购物体验，提高转化率和增加用户黏度； 加速用户从浏览到购买的过程； 挖掘用户潜在需求，提高用户购买的品类数和多样性。,9,传统推荐系统介绍,基于信任的推荐系统介绍,多种推荐策略的混合应用,10,推荐引擎的必要性,网络对象数量的井喷式增长,用户需求不明确,11,传统推荐系统介绍,基于信任的推荐系统介绍,多种推荐策略的混合应用,12,搜索引擎与推荐引擎的区别,13,推荐系统概述,传统推荐系统介绍,基于信任的推荐系统介绍,多种推荐策略的混合应用,14,传统推荐引擎工作原理,15,推荐系统概述,传统推荐系统介绍,基于信任的推荐系统介绍,多种推荐策略的混合应用,16,传统推荐引擎分类,根据推荐引擎是不是为不同的用户推荐不同的数据,基于大众行为的推荐引擎 个性化推荐引擎,17,传统推荐引擎分类,根据推荐引擎的数据源,基于人口统计学的推荐 基于内容的推荐 基于协同过滤的推荐,18,推荐系统概述,传统推荐系统介绍,基于信任的推荐系统介绍,多种推荐策略的混合应用,19,基于人口统计学的推荐引擎工作原理,20,基于人口统计学的推荐引擎优缺点,优点： （1）对新用户来说没有冷启动的问题 （2）对推荐对象而言具有领域独立性,缺点： （1）对用户的分类粗糙，尤其是对于品味要求比较高的领域无法产生良好的推荐结果； （2）这个方法可能涉及到一些与信息发现问题本身无关却比较敏感的信息，比如用户的年龄等，这些用户信息不是很好获取。,21,推荐系统概述,传统推荐系统介绍,基于信任的推荐系统介绍,多种推荐策略的混合应用,22,基于内容的推荐引擎工作原理,23,基于内容的推荐引擎优缺点,优点：能很好的建模用户的口味，提供较为精确的推荐。,缺点： （1）需要对物品进行分析和建模，推荐的质量依赖于对物品模型的完整性和全面程度。它是领域相关的。 （2）相似度的分析仅仅依赖于物品本身的特征，这里没有考虑人对物品的态度。 （3）对于新用户有“冷启动”的问题。,24,推荐系统概述,传统推荐系统介绍,基于信任的推荐系统介绍,多种推荐策略的混合应用,25,基于协同过滤的推荐引擎工作原理,基于用户的协同过滤,26,基于协同过滤的推荐引擎工作原理,基于项目（对象）的协同过滤,27,基于协同过滤的推荐引擎的优缺点,优点： （1）它不需要对物品或者用户进行严格的建模，而且不要求物品的描述是机器可理解的，所以这种方法也是领域无关的。 （2）这种方法计算出来的推荐是开放的，可以共用他人的经验，很好的支持用户发现潜在的兴趣偏好。,缺点： （1）方法的核心是基于历史数据，所以对新物品和新用户都有“冷启动”的问题。 （2）推荐的效果依赖于用户历史偏好数据的多少和准确性。 （3）在大部分的实现中，用户历史偏好是用稀疏矩阵进行存储的，所以协同过滤面临数据稀疏的严重问题。 （4）对于一些特殊品味的用户不能给予很好的推荐。 （5）对恶意“托”攻击比较敏感。,28,推荐系统概述,传统推荐系统介绍,基于信任的推荐系统介绍,多种推荐策略的混合应用,29,基于传统推荐策略的推荐引擎举例,Amazon在线购物网站,Amazon 利用可以记录的所有用户在站点上的行为，根据不同数据的特点对它们进行处理，并分成不同区为用户推送推荐：,今日推荐 : 根据用户的近期的历史购买或者查看记录，并结合时下流行的物品给出一个折中的推荐。 新产品的推荐 : 采用基于内容的推荐机制，将一些新到物品推荐给用户。在方法选择上由于新物品没有大量的用户喜好信息，所以基于内容的推荐能很好的解决这个“冷启动”的问题。 捆绑销售 : 采用数据挖掘技术对用户的购买行为进行分析，找到经常被一起或同一个人购买的物品集，进行捆绑销售，这是一种典型的基于项目的协同过滤推荐机制。 别人购买 / 浏览的商品: 这也是一个典型的基于项目的协同过滤推荐的应用，通过社会化机制用户能更快更方便的找到自己感兴趣的物品。,30,基于传统推荐策略的推荐引擎举例,Amazon在线购物网站,Amazon 利用有它大量历史数据的优势，量化推荐原因。,基于社会化的推荐，Amazon 会给你事实的数据，让用户信服，例如：购买此物品的用户百分之多少也购买了那个物品； 基于物品本身的推荐，Amazon 也会列出推荐的理由，例如：因为你的购物框中有 *，或者因为你购买过 *，所以给你推荐类似的 *。,31,推荐系统概述,传统推荐系统介绍,基于信任的推荐系统介绍,多种推荐策略的混合应用,32,信任机制和社交网络的引入,协同过滤存在着诸如冷启动、数据稀疏、托攻击敏感的问题。信任机制和社交网络可以在一定程度上缓解或者解决这些问题。,33,推荐系统概述,传统推荐系统介绍,基于信任的推荐系统介绍,多种推荐策略的混合应用,34,信任机制、社交网络、个性化推荐之间的关系,熟人（自己信任的人）的推荐更有说服力,社交网络是现阶段最有代表性的网络信任体系,35,推荐系统概述,传统推荐系统介绍,基于信任的推荐系统介绍,多种推荐策略的混合应用,36,社交网络在推荐系统中的应用原理,37,推荐系统概述,传统推荐系统介绍,基于信任的推荐系统介绍,多种推荐策略的混合应用,38,基于信任的推荐系统如何缓解协同过滤的缺陷,冷启动,数据稀疏,托攻击敏感,推荐结果缺乏说服力,39,推荐系统概述,传统推荐系统介绍,基于信任的推荐系统介绍,多种推荐策略的混合应用,40,多种推荐策略的混合应用,1. 加权策略：根据预先定义的加权值把相似性和信任值结合起来,2. 混合策略：每种方法产生各自的推荐列表，然后把两个列表融合为一个列表发送给用户,41,多种推荐策略的混合应用,3.概率论策略：优先选择那些既相似又受信人的用户，而不是只相似或者只受信任的用户,4.转换策略：系统选择一种单一的推荐方法，当且仅当这种发让无法让人满意的时候才转换到另一种方法,42,多种推荐策略的