推荐算法 技术实现 推荐

Question

鄙人对于推荐算法的实现只有一些耳闻，但是对于具体的实现技术并没有很完善的涉及，希望各位能就推荐算法给我一些综述型的意见。我现在要实现的需求是，根据用户的习惯，向用户推荐适合他的内容。根据用户的评论和打分以及用户浏览信息，来更新推荐信息。我的设计如下：建立标签与概念两个实体类，标签为用户输入，不带语义的，而概念是带语义的手工管理的，标签和概念间建立关联关系。根据历史记录，浏览记录以及评论等信息，异步的对用户-概念的分数进行更新当用户发出请求时，根据排序引擎，将信息根据概念分布进行排序，并返回给排序后的结果我理解到这个根本不是真正的数据挖掘以及推荐算法的实现，当前的实现只是短期的语义解决方案。希望大家多给我点建议。

Answer 1

推荐算法，目前主要分为两类。
一类是CollaborativeFiltering
其实就是协同过滤，最早92年的时候有人提出来了这样一个概念，后来在Recommendersystems这个领域发扬光大。NetflixPrize上，很多人包括最后获得100$大奖的那个team都用的这个方法。
主要特点就是完全不需要user和item的各项背景知识，直接通过分析user针对item的rating来分析。
还有一类是Content-basedFilitering
这类的话，主要就是根据选取好的feature来对item进行特征提取。这样可以针对每个item建立一个特征向量。然后再根据用户的历史信息，构建出用户的profile，从而可以进行推荐。
当然这个里面具体的细节问题还是很多的，我博士阶段研究的领域就是推荐系统，如果你有啥想要深入了解的可以联系我。