机器学习讲义-推荐系统--召回篇1

1、推荐系统召回篇,什么是推荐系统？,推荐系统：向用户建议有用物品的软件工具和技术,核心问题：如何在用户和物品之间建立连接,信息过载：帮助缺乏足够个人能力和经验的人,信息过载与个性化,每分钟产生100小时的视频！,我知道我喜欢啥检索 我不知道我喜欢啥？我不知道还有啥？,个性化：针对不同用户进行有区分性的物品推荐， 有效解决信息过载,身边的推荐系统,视频推荐： 电视剧 电影 综艺 动漫 娱乐 优化目标： 点击率 播放时长,身边的推荐系统,商品推荐： 实时意图 历史行为 优化目标： 点击率 下单率 金额 时间因素： 用户兴趣随时间改变,身边的推荐系统,音乐推荐： 信息流 风格切换 重复推荐 负反馈 优

2、化目标： 停留时长 听完率 红星率 ,如何搭建一个推荐系统,1、热度排行榜,月度音乐排行榜 畅销商品榜 热搜视频 本地最火商家,优点： 简单、有效！(人都有从众心态),缺点： 缺少个性化，千人一面，无法满足每个人的要求,如何搭建推荐系统,2、分类器模型,银行贷款系统,预测评估模型,SAFE！,RISKY！,（还记得我们讲过的分类模型吗？）,如何搭建推荐系统,2、分类器模型,用户信息 用户历史 商品信息 其他信息,预测分类模型,喜欢！,不喜欢！,如何搭建推荐系统,2、分类器模型,优点： 个性化：考虑了用户信息和用户历史行为 场景化：抽取的特征能够覆盖场景信息 冷启动：及时用户行为很少也能做出预测

3、 缺点： 特征可能无法获取 效果经常不如系统过滤算法,如何搭建推荐系统,3、买了又买,如何搭建推荐系统,通过大量的用户购买行为来挖掘 物品与物品之间的一般性关联,（还记得我们讲过的关联规则挖掘吗？）,3、买了又买,如何搭建推荐系统,共现矩阵(对称矩阵),3、买了又买,如何搭建推荐系统,利用共现矩阵进行推荐： 1 找到item I 所处的行 2 按照共现次数进行推荐,共现矩阵的归一化问题,如何搭建推荐系统,热度过高的物品会影响推荐的个性化： 如果买过所有婴儿玩家的用户都会买尿布？,买任何婴儿玩具，共现最大的物品都会是尿布,共现矩阵的归一化问题,如何搭建推荐系统,Jaccard 相似度,共现矩阵的

4、归一化问题,如何搭建推荐系统,Jaccard 相似度,缺点： 只考虑了最近一次购买，没考虑全部历史信息,根据用户的多个购买记录进行推荐,如何搭建推荐系统,例如用户A买过啤酒、尿布，如何进行物品推荐？,Score= *(S(啤酒，item) + S(尿布，item),根据用户的多个购买记录进行推荐,如何搭建推荐系统,缺点： 没有考虑场景上下文(时间，位置) 没有考虑用户信息(性别，年龄) 没有考虑物品信息(价格，销量) 冷启动问题： 新用户/新物品的推荐问题如何解决？,4、矩阵分解发现隐式结构,如何搭建推荐系统,黑色：用户评分 白色：没有看过 目标：矩阵填充,假设能把用户u和物品i都映射到一个空间,如何搭建推荐系统,U:0.3, 0.1, 0.8 I: 0.1, 0.8, 0.08,计算用户u与物品i之间的相似度 按照相似度大小对未看过的电影进行推荐,通过填充矩阵进行预测,如何搭建推荐系统,如何获取用户和物品的主题因子？,矩阵分解模型,如何搭建推荐系统,如何做模型融合？,如何搭建推荐系统,1、用户行为稀疏冷启动（热单、分类模型） 2、用户行为丰富矩阵分解 其他融合方式？,如何做模型融合？,如何搭建推荐系统,1、用户行为稀疏冷启动（热单、分类模型） 2、用户行为丰富矩阵