《推薦系統實踐》__第1章__好的推薦系統
阿新 • • 發佈:2019-01-05
1.1 什麼是推薦系統
在使用者沒有明確需求時,幫助他們發現感興趣的新內容。
推薦演算法的本質是通過一定的方式將使用者和物品聯絡起來,而不同的推薦系統利用了不同的方式。
1.2 個性化推薦系統的應用
個性化推薦系統需要依賴使用者的行為資料。
儘管不同的網站使用不同的推薦系統技術,但總地來說,幾乎所有的推薦系統應用都是由前臺的展示頁面、後臺的日誌系統以及推薦算法系統3部分構成。
常見的應用有:電子商務、電影/視訊網站、個性化閱讀、短視訊等。
1.3 推薦系統評測
準確的預測並不代表好的推薦。比如說,該使用者早 就準備買《C++ Primer中文版》了,無論是否給他推薦,他都準備購買,那麼這個推薦結果顯然是不好的,因為它並未使使用者購買更多的書,而僅僅是方便使用者購買一本他本來就準備買的書。 那麼,對於使用者來說,他會覺得這個推薦結果很不新穎,不能令他驚喜。同時,對於《C++ Primer 中文版》的出版社來說,這個推薦也沒能增加這本書的潛在購買人數。
1.3.1 推薦系統實驗方法
三種評測推薦效果的實驗方法:離線實驗、線上實驗和使用者反饋
離線實驗:
(1) 通過日誌系統獲得使用者行為資料,並按照一定格式生成一個標準的資料集;
(2) 將資料集按照一定的規則分成訓練集和測試集;
(3) 在訓練集上訓練使用者興趣模型,在測試集上進行預測;
(4) 通過事先定義的離線指標評測演算法在測試集上的預測結果。
線上實驗:
AB測試是一種線上的分組測試方法。並對不同組的使用者採用不同的演算法,然後通過統計不同組使用者的各種不同的評測指標比較不同算 法,比如可以統計不同組使用者的點選率,通過點選率比較不同演算法的效能。
使用者反饋:
1.3.2 評測指標
1. 使用者滿意度
2. 預測準確度
3. 覆蓋率
4. 多樣性
5. 新穎性
6. 實時性
1.3.3 評測維度
使用者維度:活躍度、新使用者等
物品維度:物品屬性,新物品等
時間維度:季節、假期、週末等