在本章中, 我们将介绍以下内容:
简介
推荐引擎是可以预测用户可能感兴趣的模型. 当我们将其应用于电影的上下文时, 这将成为电影推荐引擎. 我们通过预测当前用户如何对它们进行评估来过滤数据库中的数据. 这有助于我们将用户与我们的数据集中的正确内容进行连接. 为什么这是相关的? 如果您有大量的数据, 则用户可能找到或可能找不到所有相关的内容. 通过推荐正确的内容, 您可以增加消费. Netflix等公司严重依赖建议来保持用户的参与.
推荐引擎通常使用协同过滤或基于内容的过滤产生一组建议. 这两种方法之间的区别在于挖掘的方式. 协同过滤根据当前用户的过去行为以及其他用户给出的评级构建模型. 然后, 我们使用此模型来预测该用户可能感兴趣的内容. 另一方面, 基于内容的过滤使用项目本身的特征, 以向用户推荐更多项目. 项目之间的相似性是这里的主要动力. 在本章中, 我们将重点介绍协同过滤.