常用保舉算法介紹

　

0. 從余弦公式講起

先思考一個(gè)問(wèn)題，我們?cè)趺戳炕瘍蓚€(gè)事物的相似度呢？當(dāng)然，這也是保舉系統(tǒng)需要多次面臨的問(wèn)題。

我們知道向量的概念，可以形象化地體現(xiàn)為帶箭頭的線(xiàn)段。二維空間向量體現(xiàn)方法為,多維空間向量體現(xiàn)為，向量是描述事物一種很好模型。

好比，假設(shè)用戶(hù)有5個(gè)維度：

對(duì)服裝的喜歡程度（1~5分）對(duì)家居的喜歡程度（1~5分）對(duì)3C的喜歡程度（1~5分）對(duì)圖書(shū)的喜歡程度（1~5分）對(duì)化妝品的喜歡程度（1~5分）一個(gè)用戶(hù)A：對(duì)服裝的喜歡程度3，對(duì)家居的喜歡程度1，對(duì)3C的喜歡程度4，對(duì)圖書(shū)的喜歡程度5，對(duì)化妝品的喜歡程度0，用戶(hù)A可以用向量體現(xiàn)為一個(gè)用戶(hù)B：對(duì)服裝的喜歡程度3，對(duì)家居的喜歡程度4，對(duì)3C的喜歡程度5，對(duì)圖書(shū)的喜歡程度0，對(duì)化妝品的喜歡程度2，用戶(hù)B可以用向量體現(xiàn)為

這兩個(gè)用戶(hù)的相似程度是多大呢？既然我們把這兩個(gè)用戶(hù)體現(xiàn)為向量，那么我們可以考慮向量怎么判斷相似性。沒(méi)錯(cuò)，看這兩個(gè)向量的夾角。夾角約小，則相似度越大。

對(duì)于向量和而言，他們的在多維空間的夾角可以用向量余弦公式計(jì)算：

余弦相似度的值自己是一個(gè)0~1的值，0代表完全正交，1代表完全一致。就剛才用戶(hù)A和用戶(hù)B的例子而言，我們可以知道他們的相似度為：

余弦公式自己應(yīng)用范圍很廣，量化相似度在搜索保舉，商業(yè)策略中都是常見(jiàn)問(wèn)題，余弦公式是很好的解決方案。就保舉自己而言，計(jì)算內(nèi)容的相似度，計(jì)算用戶(hù)的相似度，計(jì)算用戶(hù)類(lèi)型的相似度，計(jì)算內(nèi)容類(lèi)型的相似度，這些都是可以應(yīng)用的場(chǎng)景。

1. 保舉的素質(zhì)是什么

保舉和搜索素質(zhì)有相似的地方。搜索滿(mǎn)足用戶(hù)從海量數(shù)據(jù)中迅速找到本身感興趣內(nèi)容的需求，屬于用戶(hù)主動(dòng)獲取。保舉則是系統(tǒng)從海量數(shù)據(jù)中按照獲取到的用戶(hù)數(shù)據(jù)，猜測(cè)用戶(hù)感興趣的內(nèi)容并保舉給用戶(hù)，屬于系統(tǒng)保舉給用戶(hù)。素質(zhì)上都是為了在這個(gè)信息過(guò)載的時(shí)代，幫手用戶(hù)找到本身感興趣的東西。

保舉系統(tǒng)有很多種形式。運(yùn)營(yíng)或者編纂篩選出本身認(rèn)為最好的內(nèi)容放在首頁(yè)，廣義上講這也是一種保舉。不過(guò)這個(gè)不在我們本期文章的討論范圍，本期主要是討論系統(tǒng)級(jí)另外保舉。這里主要介紹四類(lèi)常見(jiàn)的保舉方法：

基于內(nèi)容的保舉基于內(nèi)容的協(xié)同過(guò)濾基于用戶(hù)的協(xié)同過(guò)濾基于標(biāo)簽的保舉2. 基于內(nèi)容的保舉

基于內(nèi)容的保舉是基礎(chǔ)的保舉策略。如果你瀏覽或購(gòu)買(mǎi)過(guò)某種類(lèi)型的內(nèi)容，則給你保舉這種類(lèi)型下的其他內(nèi)容。

以電影保舉為例。好比你之前看過(guò)《盜夢(mèng)空間》，則系統(tǒng)會(huì)關(guān)聯(lián)數(shù)據(jù)庫(kù)中盜夢(mèng)空間的信息。系統(tǒng)會(huì)保舉克里斯托弗·諾蘭導(dǎo)演的其他作品，好比《致命魔術(shù)》；系統(tǒng)會(huì)保舉主演里昂納多的其他作品，好比《第十一小時(shí)》。

如果這個(gè)電影系統(tǒng)的數(shù)據(jù)被很好地分類(lèi)，那么保舉系統(tǒng)也會(huì)給用戶(hù)保舉這個(gè)分類(lèi)下的其他作品。盜夢(mèng)空間如果被歸為科幻作品，那么可能會(huì)保舉其他科幻作品，好比《星際迷航》。

基于內(nèi)容的保舉好處在于易于理解，，但是壞處是保舉方式比較依賴(lài)于完整的內(nèi)容知識(shí)庫(kù)的建立。如果內(nèi)容格式化比較差，那么基于內(nèi)容的保舉就無(wú)法實(shí)行。同時(shí)如果用戶(hù)留下的數(shù)據(jù)比較少，則保舉效果很差，因?yàn)闊o(wú)法擴(kuò)展。

3. 基于內(nèi)容的協(xié)同過(guò)濾

協(xié)同過(guò)濾（Collaborative Filtering）與傳統(tǒng)的基于內(nèi)容過(guò)濾直接分析內(nèi)容進(jìn)行保舉差別，協(xié)同過(guò)濾會(huì)分析系統(tǒng)已有數(shù)據(jù)，并結(jié)合用戶(hù)表示的數(shù)據(jù)，對(duì)該指定用戶(hù)對(duì)此信息的愛(ài)好程度預(yù)測(cè)。

基于內(nèi)容的協(xié)同過(guò)濾（item-based CF），通過(guò)用戶(hù)對(duì)差別內(nèi)容的評(píng)分來(lái)評(píng)測(cè)內(nèi)容之間的相似性，基于內(nèi)容之間的相似性做出保舉；最典型的例子是著名的“啤酒加尿布”，就是通過(guò)分析知道啤酒和尿布經(jīng)常被美國(guó)爸爸們一起購(gòu)買(mǎi)，于是在尿布邊上保舉啤酒，增加了啤酒銷(xiāo)量。

需要計(jì)算用戶(hù)u對(duì)物品j的興趣，公式如下：

這里N(u)體現(xiàn)用戶(hù)有關(guān)聯(lián)的商品的集合，wji體現(xiàn)物品j和i的相似度，rui體現(xiàn)用戶(hù)u對(duì)物品i的打分，示例如下：

這里還有兩個(gè)問(wèn)題沒(méi)有仔細(xì)描述，如何打分，如何計(jì)算相似度。

打分的話(huà)需要按照業(yè)務(wù)計(jì)算，如果有打分系統(tǒng)最好，沒(méi)有打分系統(tǒng)，則需要按照用戶(hù)對(duì)這個(gè)物品的行為得到一個(gè)分?jǐn)?shù)。

標(biāo)簽：九江 東營(yíng) 鹽城 烏魯木齊 林芝