推薦算法通常被分為四大類(lèi)（1-4）：

• 協(xié)同過(guò)濾推薦算法
• 基于內(nèi)容的推薦算法
• 混合推薦算法
• 流行度推薦算法

除了這些種類(lèi)以外，還有一些高級(jí)非傳統(tǒng)的推薦算法（5）。

推薦算法綜述是分文五個(gè)部分的系列文章，本文作為第一篇，將會(huì)簡(jiǎn)要介紹推薦系統(tǒng)算法的主要種類(lèi)。其中包括算法的簡(jiǎn)要描述、典型的輸入、不同的細(xì)分類(lèi)型以及其優(yōu)點(diǎn)和缺點(diǎn)。在第二和第三篇中，我們將會(huì)詳細(xì)介紹這些算法的區(qū)別，讓你能夠深入理解他們的工作原理。系列文章中的一些內(nèi)容參考了一篇來(lái)自 RecSys 2014 tutorial 的文章：由Xavier Amatriain編寫(xiě)的The Recommender Problem Revisited。

1.協(xié)同過(guò)濾推薦算法

• 簡(jiǎn)介：通過(guò)在用戶的一系列行為中尋找特定模式來(lái)產(chǎn)生用戶特殊推薦

• 輸入：僅僅依賴(lài)于慣用數(shù)據(jù)（例如評(píng)價(jià)、購(gòu)買(mǎi)、下載等用戶偏好行為）

• 類(lèi)型：

  • 基于鄰域的協(xié)同過(guò)濾（基于用戶和基于項(xiàng)）
  • 基于模型的協(xié)同過(guò)濾（矩陣因子分解、受限玻爾茲曼機(jī)、貝葉斯網(wǎng)絡(luò)等等）

• 優(yōu)點(diǎn)：

  • 需要最小域
  • 不需要用戶和項(xiàng)
  • 大部分場(chǎng)景中能夠產(chǎn)生足夠好的結(jié)果

• 缺點(diǎn)：

  • 冷啟動(dòng)問(wèn)題
  • 需要標(biāo)準(zhǔn)化產(chǎn)品
  • 需要很高的用戶和項(xiàng)的比例（1：10）
  • 流行度偏見(jiàn)（有長(zhǎng)尾的時(shí)候表現(xiàn)不夠好）
  • 難于提供解釋

2.基于內(nèi)容的推薦算法

• 簡(jiǎn)介：向用戶推薦和其過(guò)去喜歡項(xiàng)的內(nèi)容（例如元數(shù)據(jù)、描述、話題等等）相似的項(xiàng)

• 輸入：僅僅依賴(lài)于項(xiàng)和用戶的內(nèi)容/描述（除了慣用數(shù)據(jù)）

• 類(lèi)型：

  • 信息檢索（例如 tf-idf 和 Okapi BM25）
  • 機(jī)器學(xué)習(xí)（例如樸素貝葉斯、支持向量機(jī)、決策樹(shù)等等）

• 優(yōu)點(diǎn)：

  • 沒(méi)有冷啟動(dòng)問(wèn)題
  • 不需要慣用數(shù)據(jù)
  • 沒(méi)有流行度偏見(jiàn)，可以推薦有罕見(jiàn)特性的項(xiàng)
  • 可以使用用戶內(nèi)容特性來(lái)提供解釋

• 缺點(diǎn)：

  • 項(xiàng)內(nèi)容必須是機(jī)器可讀的和有意義的
  • 容易歸檔用戶
  • 很難有意外，缺少多樣性
  • 很難聯(lián)合多個(gè)項(xiàng)的特性

3.混合推薦算法

• 簡(jiǎn)介：綜合利用協(xié)同過(guò)濾推薦算法和基于內(nèi)容的推薦算法各自的優(yōu)點(diǎn)同時(shí)抵消各自的缺點(diǎn)

• 輸入：同時(shí)使用用戶和項(xiàng)的內(nèi)容特性與慣用數(shù)據(jù)，同時(shí)從兩種輸入類(lèi)型中獲益

• 類(lèi)型：

  • 加權(quán)
  • 交換
  • 混合
  • 特性組合
  • 案列
  • 特征增強(qiáng)
  • 元層次

• 優(yōu)點(diǎn)：

  • 由于單獨(dú)使用協(xié)同過(guò)濾推薦算法和基于內(nèi)容的推薦算法
  • 沒(méi)有冷啟動(dòng)問(wèn)題
  • 沒(méi)有流行度偏見(jiàn)，可推薦有罕見(jiàn)特性的項(xiàng)
  • 可產(chǎn)生意外，實(shí)現(xiàn)多樣性

• 缺點(diǎn)：

  • 需要通過(guò)大量的工作才能得到正確的平衡

4.流行度推薦算法

• 簡(jiǎn)介：這是一種推薦流行項(xiàng)的方法(例如最多下載、最多看過(guò)、最大影響的項(xiàng))

• 輸入：使用慣用數(shù)據(jù)和項(xiàng)的內(nèi)容（例如類(lèi)目）

• 優(yōu)點(diǎn)：

  • 相對(duì)容易實(shí)現(xiàn)
  • 良好的基準(zhǔn)算法
  • 有助于解決新用戶冷啟動(dòng)問(wèn)題

• 缺點(diǎn)：

  • 需要標(biāo)準(zhǔn)化產(chǎn)品
  • 經(jīng)常需要一些項(xiàng)的類(lèi)型進(jìn)行分類(lèi)
  • 不會(huì)推薦新項(xiàng)（很少有機(jī)會(huì)被觀測(cè)到）
  • 推薦列表不會(huì)改變太大

5.高級(jí)非傳統(tǒng)推薦算法

• 類(lèi)型：

  • 深度學(xué)習(xí)
  • 學(xué)習(xí)等級(jí)
  • Multi-armed bandits（探索/開(kāi)發(fā)）
  • 上下文感知推薦
  • 張量分解
  • 分解機(jī)
  • 社會(huì)推薦

• 優(yōu)點(diǎn)：

  • 利于勉強(qiáng)維持最終性能百分點(diǎn)
  • 你可以說(shuō)你正在使用漸進(jìn)的方式

• 缺點(diǎn)：

  • 難于理解
  • 缺乏推薦工具支持
  • 沒(méi)有為你的首個(gè)推薦系統(tǒng)提供推薦的方式

查看英文原文：Overview of Recommender Algorithms – Part 1

總結(jié)

以上是生活随笔為你收集整理的推荐算法综述（一）的全部?jī)?nèi)容，希望文章能夠幫你解決所遇到的問(wèn)題。

如果覺(jué)得生活随笔網(wǎng)站內(nèi)容還不錯(cuò)，歡迎將生活随笔推薦給好友。