大数据培训基于内容的推荐算法

基于内容的推荐算法

Content-based Recommendations (CB) 根据推荐物品或内容的元数据，发现物品的相关性，再基于用户过去的喜好记录，为用户推荐相似的物品。

通过抽取物品内在或者外在的特征值，实现相似度计算。

–比如一个电影，有导演、演员、用户标签UGC、用户评论、时长、风格等等，都可以算是特征。

将用户（user）个人信息的特征（基于喜好记录或是预设兴趣标签），和物品（item）的特征相匹配，就能得到用户对物品感兴趣的程度

–在一些电影、音乐、图书的社交网站有很成功的应用，有些网站还请专业的人员对物品进行基因编码/打标签（PGC）

相似度计算

相似度的评判，可以用距离表示，而一般更常用的是“余弦相似度”

• 对于物品的特征提取 —— 打标签（tag）

–专家标签（PGC）

–用户自定义标签（UGC）

–降维分析数据，提取隐语义标签（LFM）

• 对于文本信息的特征提取 —— 关键词

–分词、语义处理和情感分析（NLP）

–潜在语义分析（LSA）

想要了解跟多关于大数据培训课程内容欢迎关注尚硅谷大数据培训，尚硅谷除了这些技术文章外还有免费的高质量大数据培训课程视频供广大学员下载学习。