基于协同过滤的推荐引擎

（一）推荐引擎用例

• 京东、淘宝根据客户的购买历史来推荐；
• 爱奇艺、乐视根据向用户推荐电影；

（二）推荐算法

• 基于关系规则推荐：用户A经常同时购买了哪些商品，分析这些商品的关联规则，则用户B购买其中某一商品，可推荐其它商品；
• 基于内容推荐：用户喜欢A电影，B电影和A属于同一类型，比如爱情片，则该用户还可能喜欢B电影；
• 基于人口统计学推荐：将用户A的属性或特征一一罗列，如年龄、性别、职业等，如果用户B和A具有相似的属性，则用户B和用户A可能有相似购物喜好。
• 基于协同过滤：
  • 基于用户：将一个用户对同所有item或content的偏好作为一个向量，计算用户之间的相似度；比如用户A购买了商品1和商品2，用户B也购买了商品1和商品2，则用户A购买了商品3时，可推荐用户B商品3。
  • 基于物品：将所有用户对某一item或content的偏好作为一个向量，计算item或content的相似度；比如用户A、用户B、用户C都购买了商品1，同时这些用户也都购买了商品2， 则用户D购买商品1时可推荐其购买商品2。

原文地址：https://www.cnblogs.com/stpan/p/9452448.html