推荐系统中协同过滤关于新加入物品的问题

monsterzzz
  • 131
  1. 协调过滤,基于物品的推荐中,我看了很多博客的介绍都是使用离线的方法计算出物品相似度矩阵,然后在线上直接使用这个矩阵来进行推荐的,那么如果新加入一个物品的话,没有任何用户行为(点击,喜欢,收藏,购买)产生的话,即使又重新线下计算的话,那不也是不会推荐出来吗?
  2. 我看了这个基于物品推荐的算法,都是先从用户行为中得到物品共现表,然后根据共现表判断物品相似度,那么现在都没有行为产生,该如何推荐?在<<推荐系统实践中>>,作者说可以再根据物品内容判断物品相似度,那么这个和基于物品推荐有什么联系呢?如果使用基于内容推荐的话,岂不是不算是协同过滤中的基于用户推荐了?因为都没有按照用户行为来判断相似。
  3. 很多线上网站我看他们都是可以实时推荐的,如果按照协同过滤基于物品推荐的话,每次都要重新计算相似度矩阵,岂不是要耗费很长时间?这怎么做到实时推荐?
回复
阅读 1.6k
2 个回答

3.计算相似度矩阵都是比较稳定的,变化不大,所以你可以用昨天的相似度矩阵做实时推荐,每天晚上重新计算相似度矩阵。

2.基于内容推荐可以是基于用户行为,也可以不基于用户行为。看你怎么实现了。

1.新加入物品,可以按照2的方式按照内容推荐,也可以把它等同于最相似的已有物品进行推荐。

对于新用户可以做非个性化推荐,比如按销量等常规推荐,待收集到相关的用户行为数据再做个性化推荐,
或者根据注册的基本的信息的画像,比如年龄、性别、城市等做相似用户喜欢的物品推荐
对于新物品,同理可用基本的的信息如分类,价格等推荐给喜欢相似物品的用户。

撰写回答
你尚未登录,登录后可以
  • 和开发者交流问题的细节
  • 关注并接收问题和回答的更新提醒
  • 参与内容的编辑和改进,让解决方法与时俱进
宣传栏