推荐系统要解决的问题

用基于物品的协同过滤算法

1 topN推荐
２覆盖率　　　多样性　新颖性　　惊喜度　　信任度　实时性

对于 UserCF ,首先需要找到和他们看了同样书的其他用户(兴趣相似的用户),然后给他们推荐那些用户喜欢的其他书

对于 ItemCF ,需要给他们推荐和他们已经看的书相似的书,比如作者 B 看了很多关于数据挖掘的书,可以给他推荐机器学习或者模式识别方面的书。

冷启动问题？提供非个性化推荐：如热门排行榜，利用用户注册信息

利用用户标签数据　　　用户打标签　－－专家打标签

利用社交网络数据

一定要有日志系统

要不要推荐理由

用户反馈模块——包括Play(播放)、评分和Not Interested(不感兴趣)3种。

上下文信息（时间上下文：时间效应，地点上下文）

利用社交网络数据（电子邮件，用户注册信息，位置数据，）

参考：

最后更新于 2022年6月26日