零基礎(chǔ)科普：4種簡(jiǎn)單推薦算法背后的原理

作者：李智慧 來(lái)源：大數(shù)據(jù)DT（ID：hzdashuju）

我們?cè)谔詫氋?gòu)物，在頭條閱讀新聞，在抖音刷短視頻，背后其實(shí)都有智能推薦算法。這些算法不斷分析、計(jì)算我們的購(gòu)物偏好、瀏覽習(xí)慣，然后為我們推薦可能喜歡的商品、文章、視頻。這些產(chǎn)品的推薦算法如此智能、高效，以至于我們常常一打開(kāi)淘寶就買(mǎi)個(gè)不停，一打開(kāi)抖音就停不下來(lái)。

01 基于人口統(tǒng)計(jì)的推薦

基于人口統(tǒng)計(jì)的推薦是相對(duì)簡(jiǎn)單的一種推薦算法，它會(huì)根據(jù)用戶的基本信息進(jìn)行分類(lèi)，然后將商品推薦給同類(lèi)用戶，如圖1所示。

▲圖1 基于人口統(tǒng)計(jì)的推薦算法

用戶A和用戶C的年齡相近、性別相同，可以將他們劃分為同類(lèi)。用戶A喜歡商品D，因此推測(cè)用戶C可能也喜歡這個(gè)商品，系統(tǒng)就可以將這個(gè)商品推薦給用戶C。

圖1中的示例比較簡(jiǎn)單，在實(shí)踐中，還應(yīng)該根據(jù)用戶收入、居住地區(qū)、學(xué)歷、職業(yè)等各種因素對(duì)用戶進(jìn)行分類(lèi)，以使推薦的商品更加準(zhǔn)確。

02 基于商品屬性的推薦

基于商品屬性的推薦和基于人口統(tǒng)計(jì)的推薦相似，只是它是根據(jù)商品的屬性進(jìn)行分類(lèi)，然后根據(jù)商品分類(lèi)進(jìn)行推薦的，如圖2所示。

▲圖2 基于商品屬性的推薦

電影A和電影D都是科幻、戰(zhàn)爭(zhēng)類(lèi)型的電影，如果用戶A喜歡電影A，很有可能他也會(huì)喜歡電影D，因此就可以給用戶A推薦電影D。

這和我們的生活常識(shí)也是相符合的。如果一個(gè)人連續(xù)看了幾篇關(guān)于籃球的新聞，那么再給他推薦一篇籃球的新聞，他很大可能會(huì)有興趣看。

03 基于用戶的協(xié)同過(guò)濾推薦

基于用戶的協(xié)同過(guò)濾推薦是根據(jù)用戶的喜好進(jìn)行用戶分類(lèi)，然后根據(jù)用戶分類(lèi)進(jìn)行推薦，如圖3所示。

▲圖3 基于用戶的協(xié)同過(guò)濾推薦

這個(gè)示例中，用戶A和用戶C都喜歡商品A和商品B，根據(jù)他們的喜好可以分為同類(lèi)。用戶A還喜歡商品D，那么將商品D推薦給用戶C，他可能也會(huì)喜歡。

現(xiàn)實(shí)中，跟我們有相似喜好、品味的人也常常被我們當(dāng)作同類(lèi)，我們也愿意去嘗試他們喜歡的其他東西。

04 基于商品的協(xié)同過(guò)濾推薦

基于商品的協(xié)同過(guò)濾推薦則是根據(jù)用戶的喜好對(duì)商品進(jìn)行分類(lèi)，然后根據(jù)商品分類(lèi)進(jìn)行推薦，如圖4所示。

▲圖4 基于商品的協(xié)同過(guò)濾推薦

這個(gè)示例中，喜歡商品B的用戶A和用戶B都喜歡商品D，那么商品B和商品D就可以分為同類(lèi)。對(duì)于同樣喜歡商品B的用戶C，很有可能也喜歡商品D，就可以將商品D推薦給用戶C。

這里描述的推薦算法比較簡(jiǎn)單。事實(shí)上，要想做好推薦其實(shí)是非常難的，用戶不要你覺(jué)得他喜歡，而要自己覺(jué)得喜歡?，F(xiàn)實(shí)中，有很多智能推薦的效果并不好，被用戶吐槽是“人工智障”。推薦算法的優(yōu)化需要不斷地收集用戶的反饋，不斷地迭代算法和升級(jí)數(shù)據(jù)。