Question

推荐算法有哪些？

Answer 1

　　推荐算法是计算机专业中的一种算法，通过一些数学算法，推测出用户可能喜欢的东西。
　　基于协同过滤的推荐
　　基于用户的协同过滤算法: 基于一个这样的假设“跟你喜好相似的人喜欢的东西你也很有可能喜欢。”所以基于用户的协同过滤主要的任务就是找出用户的最近邻居，从而根据最近邻 居的喜好做出未知项的评分预测。这种算法主要分为3个步骤：
　　1、用户评分。可以分为显性评分和隐形评分两种。显性评分就是直接给项目评分（例如给百度里的用户评分），隐形评分就是通过评价或是购买的行为给项目评分 （例如在有啊购买了什么东西）。
　　2、寻找最近邻居。这一步就是寻找与你距离最近的用户，测算距离一般采用以下三种算法：　1.皮尔森相关系数。　2.余弦相似性。　3调整余弦相似性。　调整余弦 相似性似乎效果会好一些。
　　3、推荐。产生了最近邻居集合后，就根据这个集合对未知项进行评分预测。把评分最高的N个项推荐给用户。 这种算法存在性能上的瓶颈，当用户数越来越多的时候，寻找最近邻居的复杂度也会大幅度的增长。
　　组合推荐
　　在组合方式上，有研究人员提出了七种组合思路：
　　1、加权（Weight）：加权多种推荐技术结果。
　　2、变换（Switch）：根据问题背景和实际情况或要求决定变换采用不同的推荐技术。
　　3、混合（Mixed）：同时采用多种推荐技术给出多种推荐结果为用户提供参考。
　　4、特征组合（Feature combination）：组合来自不同推荐数据源的特征被另一种推荐算法所采用。
　　5、层叠（Cascade）：先用一种推荐技术产生一种粗糙的推荐结果，第二种推荐技术在此推荐结果的基础上进一步作出更精确的推荐。
　　6、特征扩充（Feature augmentation）：一种技术产生附加的特征信息嵌入到另一种推荐技术的特征输入中。
　　7、元级别（Meta-level）：用一种推荐方法产生的模型作为另一种推荐方法的输入。