扫码加入数据分析学习群

推荐系统被定义为复杂信息环境下用户的决策策略。此外，从电子商务的角度定义推荐系统作为一种工具，帮助用户搜索与用户的兴趣和偏好相关的知识记录。推荐系统被定义为一种辅助和增强社会过程的手段，当没有足够的个人知识或替代方案经验时，使用他人的建议做出选择。推荐系统通过向用户提供个性化的，独有的内容和服务建议来处理用户通常遇到的信息过载问题。最近，已经开发了用于构建推荐系统的各种方法，其可以利用协同过滤，基于内容的过滤或混合过滤。

协同过滤技术是最成熟和最常用的。协作过滤通过识别具有相似品味的其他用户来推荐项目;它使用他们的意见向活跃用户推荐项目。协作推荐系统已在不同的应用领域实施。GroupLens是一种基于新闻的架构，采用协作方法帮助用户从大量新闻数据库中查找文章。Ringo是一个在线社交信息过滤系统，它使用协同过滤来根据他们在音乐专辑中的评级来构建用户个人资料。亚马逊使用主题多样化算法来改进其推荐。该系统使用协同过滤方法通过使用项目到项目矩阵离线生成类似项目的表来克服可伸缩性问题。然后，系统根据用户的购买历史推荐其他在线类似的产品。另一方面，基于内容的技术将内容资源与用户特征相匹配。基于内容的过滤技术通常基于用户信息进行预测，并且忽略了其他用户的贡献，如协作技术。Fab严重依赖于不同用户的评级以创建训练集，并且它是基于内容的推荐系统的示例。其他一些使用基于内容的过滤来帮助用户在互联网上查找信息的系统包括Letizia。该系统利用帮助用户浏览因特网的用户界面;它能够跟踪用户的浏览模式，以预测他们可能感兴趣的页面.Pazzani等。设计了一个智能代理，试图通过使用朴素贝叶斯分类器来预测哪些网页将对用户感兴趣。代理允许用户通过将不同页面评级为热或冷来提供培训实例。詹宁斯和Higuchi描述在Usenet新闻环境中模拟用户兴趣的神经网络。