推荐算法是计算机专业的一种算法。通过一些数学算法,推测用户可能喜欢什么。网络是应用推荐算法的主要好处。所谓推荐算法,就是利用用户的一些行为,通过一些数学算法推测用户可能喜欢的东西。以下就是小编为大家带来的算法推荐的分类有哪些。
算法推荐的分类有哪些
算法推荐的分类有哪些
一,基于内容
基于内容的推荐(Content-based Recommendation)是信息过滤技术的延续与发展,它是建立在项目的内容信息上做出推荐的,而不需要依据用户对项目的评价意见,更多地需要用机器学习的方法从关于内容的特征描述的事例中得到用户的兴趣资料。
二,基于协同
基于协同过滤的推荐算法( Collaborative Filtering Recommendation)技术是推荐系统中应用最早和最为成功的技术之一。它一般采用最近邻技术,利用用户的历史喜好信息计算用户之间的距离,然后利用目标用户的最近邻居用户对商品评价的加权评价值来预测目标用户对特定商品的喜好程度,从而根据这一喜好程度来对目标用户进行推荐。
三,基于效用
基于效用的推荐(Utility-based Recommendation)是建立在对用户使用项目的效用情况上计算的,其核心问题是怎样为每一个用户去创建一个效用函数,因此,用户资料模型很大程度上是由系统所采用的效用函数决定的。
个性化推荐的概念首次出现在1995年3月的美国人工智能协会上,卡内基梅隆大学的RobertArmstrong提出了个性化导航系统WebWatcher。与此同时,斯坦福大学的Markobalabanovic也推出了LIRA-个性化推荐系统。此后,个性化推荐研究开始蓬勃发展。以上就是小编为大家带来的算法推荐的分类有哪些。
[免责声明]
文章标题: 算法推荐的分类有哪些
文章内容为网站编辑整理发布,仅供学习与参考,不代表本网站赞同其观点和对其真实性负责。如涉及作品内容、版权和其它问题,请及时沟通。发送邮件至36dianping@36kr.com,我们会在3个工作日内处理。