马庆祥
(重庆工商职业学院 重庆 401520)
推荐系统整体上都有一个类似的结构,如图1所示。首先需要采集用户的行为数据和物品的数据,然后将用户行为数据经过算法建模,形成兴趣模型。然后通过模型预测用户对新的物品是否感兴趣,是就推荐给用户。用户接收到新的推荐后,可以对推荐结果标记感兴趣还是不感兴趣。这样的行为又会被系统记录,并以此重新运算,得到新的模型,然后又用新的模型继续给用户推荐。基于针对不同推荐内容的场景,本文以推荐系统为基础,着重研究各种常用推荐算法的原理及核心结构。

图1 推荐系统结构图
数据采集有隐式获取和显式获取等多种方式。显式获取是指用户在应用中注册、完善个人信息、问卷调查,或者线下询问、访谈、调查、跟踪等方式取得的数据。这一类方式操作简便、直接,但用户基于隐私或者嫌麻烦等各种原因,往往不愿意提供数据。尽管显式获取的数据精准度高,但实时效果并不好。隐式获取是业界普遍采用的方式,通过用户在应用上的使用行为来推测出用户的偏好。隐式获取需要注意的就是要随时关注用户的行为变化。
在用户方面,关于用户个人信息的主要有性别、年龄、地址、联系方式等。关于行为方面有页面浏览记录、页面停留时间、该页面的主要内容、页面上的点喜欢操作、点厌恶操作、点赠花操作、分享、收藏等。
在物品方面,不同的业务场景,物品的描述也不一样。……