- 1、本文档共12页,可阅读全部内容。
- 2、有哪些信誉好的足球投注网站(book118)网站文档一经付费(服务费),不意味着购买了该文档的版权,仅供个人/单位学习、研究之用,不得用于商业用途,未经授权,严禁复制、发行、汇编、翻译或者网络传播等,侵权必究。
- 3、本站所有内容均由合作方或网友上传,本站不对文档的完整性、权威性及其观点立场正确性做任何保证或承诺!文档内容仅供研究参考,付费前请自行鉴别。如您付费,意味着您自己接受本站规则且自行承担风险,本站不退款、不进行额外附加服务;查看《如何避免下载的几个坑》。如果您已付费下载过本站文档,您可以点击 这里二次下载。
- 4、如文档侵犯商业秘密、侵犯著作权、侵犯人身权等,请点击“版权申诉”(推荐),也可以打举报电话:400-050-0827(电话支持时间:9:00-18:30)。
- 5、该文档为VIP文档,如果想要下载,成为VIP会员后,下载免费。
- 6、成为VIP后,下载本文档将扣除1次下载权益。下载后,不支持退款、换文档。如有疑问请联系我们。
- 7、成为VIP后,您将拥有八大权益,权益包括:VIP文档下载权益、阅读免打扰、文档格式转换、高级专利检索、专属身份标志、高级客服、多端互通、版权登记。
- 8、VIP文档为合作方或网友上传,每下载1次, 网站将根据用户上传文档的质量评分、类型等,对文档贡献者给予高额补贴、流量扶持。如果你也想贡献VIP文档。上传文档
查看更多
个性化推荐的十大挑战[J]
2012 6
《程序员》 年第 期
个性化推荐的十大挑战
周 涛
电子科技大学,互联网科学中心
百分点推荐技术研究所
/home.php?mod=spaceuid=3075do=blogid=554630
一、数据稀疏性问题
• MovieLens-4.5%
• Netflix-1.2%
• Bibsonomy-0.35%
• Delicious-0.046%
• 高阶关联
• 缺省打分
• 迭代寻优
• 转移相似性
二、冷启动问题
• 如何针对新用户新产品进行推荐
• 利用属性/文本/标签信息
• 利用品类信息
• 利用跨领域的交叉信息
• 团购和维品会的例子
三、大数据处理与增量计算问题
• 用户商品连接数目已经达到了百亿至十万
亿规模时代
• 复杂性低:时间、空间、代码
• 可并行化程度高
• 局部近似增量算法
• 自适应算法
四、多样性与精确性的两难困境
• 精确性高的算法不一定就是好的算法
• 信息价值
• 凹透镜和凸透镜
• 个性化的精髓
• 如何评价多样性
• 直接调整推荐列表
• 物质扩散和热传导的混合算法
五、推荐系统的脆弱性问题
• 噪音
• 恶意用户
• 道高一尺,魔高一丈
• 信誉系统
六、用户行为模式的挖掘和利用
• 新用户倾向于选择热门的商品,而老用户
对于小众商品关注更多
• 新用户所选择的商品相似度更高,老用户
所选择的商品多样性较高
• 不同用户打分的模式也很不一样
• 用户针对不同商品的行为模式也不一样
• 对用户移动模式的理解对于基于位置的推
荐至关重要
七、推荐系统效果评估
• 四大类:准确度、多样性、新颖性、覆盖率
• 准确度又可以分为四大类:预测评分准确度、
预测评分关联、分类准确度、排序准确度
• 分类准确度包含6种常见指标:准确率、召回
率、准确率提高率、召回率提高率、F1指标和
AUC值
• 第一层次:数据和算法指标
• 第二层次:商业应用的关键指标
• 第三层次:用户体验
八、用户界面与用户体验
• 推荐结果的可解释性,对于用户体验有至关重要的
影响
• 协同过滤有明显的优势,譬如亚马逊基于商品的协
同过滤在发送推荐的电子邮件时会告诉用户之所以
向其推荐某书,是因为用户以前购买过某些书。相
对地,矩阵分解或者集成学习算法就很难向用户解
释推荐结果的起源。
• 用户更喜欢来自自己朋友的推荐而不是系统的推荐
• A/B
建立一个可以进行 测试的系统
九、多维数据的交叉利用
• 交叠社会网络
• 相当比例的用户都具有交叉购物的习惯
• 交叉推荐的重要商业价值
• 交叉推荐可以提高多样性
• 交叉推荐可以解决冷启动问题
十、社会推荐
• “
用户更喜欢来自朋友的推荐而不是被系统 算出来
的推荐”
• 社会影响力被认为比历史行为的相似性更加重要
• 通过社会关系的分析,可以大幅度提高从科研文
献到网购商品推荐的精确度
• 社会推荐有两方面的效果:一是增加销售,二是
在销售后提高用户的评价
• 如何利用社会关系提高推荐的精确度?
• 如何建立更好的机制以促进社会推荐?
• 如何将社会信任关系引入到推荐系统中?
推荐参考的综述和专著
• 刘建国,周涛,汪秉
文档评论(0)