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

随便一本Data Mining的书应该都会提到推荐算法吧，我看过免费电子版书籍《A Programmer's Guide to Data Mining》http://guidetodatamining.com/ 里面就有专门讲推荐算法的章节，楼主可以看看。

Answer 2

推荐算法，目前主要分为两类。
一类是Collaborative Filtering
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Recommender systems这个领域发扬光大。Netflix Prize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-based Filitering
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。

Answer 3

你这个需求需要后台数据挖掘