本文作者:changrun90

运营过程中常见的推荐算法

changrun90 3年前 ( 2017-06-12 ) 556
摘要:   在本文中,作者主要是介绍了常见推荐算法的基本原理。  0. 从余弦公式讲起  先思考一个问题,我...
  在本文中,作者主要是介绍了常见推荐算法的基本原理。97f96f90446d763297b049c53adb1283  0. 从余弦公式讲起  先思考一个问题,我们怎么量化两个事物的相似度呢?当然,这也是推荐系统需要多次面临的问题。  我们知道向量的概念,可以形象化地表示为带箭头的线段。二维空间向量表示方法为,多维空间向量表示为,向量是描述事物一种很好模型。  比如,假设用户有5个维度:  对服装的喜欢程度(1~5分)  对家居的喜欢程度(1~5分)  对3C的喜欢程度(1~5分)  对图书的喜欢程度(1~5分)  对化妆品的喜欢程度(1~5分)  一个用户A:对服装的喜欢程度3,对家居的喜欢程度1,对3C的喜欢程度4,对图书的喜欢程度5,对化妆品的喜欢程度0,用户A可以用向量表示为  一个用户B:对服装的喜欢程度3,对家居的喜欢程度4,对3C的喜欢程度5,对图书的喜欢程度0,对化妆品的喜欢程度2,用户B可以用向量表示为  这两个用户的相似程度是多大呢?既然我们把这两个用户表示为向量,那么我们可以考虑向量怎么判断相似性。没错,看这两个向量的夹角。夹角约小,则相似度越大。  对于向量和而言,他们的在多维空间的夹角可以用向量余弦公式计算:96fe952cb1ef546b7221e7b36c4e563a  余弦相似度的值本身是一个0~1的值,0代表完全正交,1代表完全一致。就刚才用户A和用户B的例子而言,我们可以知道他们的相似度为:  余弦公式本身应用范围很广,量化相似度在搜索推荐,商业策略中都是常见问题,余弦公式是很好的解决方案。就推荐本身而言,计算内容的相似度,计算用户的相似度,计算用户类型的相似度,计算内容类型的相似度,这些都是可以应用的场景。  1. 推荐的本质是什么  推荐和搜索本质有相似的地方。搜索满足用户从海量数据中迅速找到自己感兴趣内容的需求,属于用户主动获取。推荐则是系统从海量数据中根据获取到的用户数据,猜测用户感兴趣的内容并推荐给用户,属于系统推荐给用户。本质上都是为了在这个信息过载的时代,帮助用户找到自己感兴趣的东西。  推荐系统有很多种形式。运营或者编辑筛选出自己认为最好的内容放在首页,广义上讲这也是一种推荐。不过这个不在我们本期文章的讨论范围,本期主要是讨论系统级别的推荐。这里主要介绍四类常见的推荐方法:  基于内容的推荐  基于内容的协同过滤  基于用户的协同过滤  基于标签的推荐  2. 基于内容的推荐  基于内容的推荐是基础的推荐策略。如果你浏览或购买过某种类型的内容,则给你推荐这种类型下的其他内容。  以电影推荐为例。比如你之前看过《盗梦空间》,则系统会关联数据库中盗梦空间的信息。系统会推荐克里斯托弗·诺兰导演的其他作品,比如《致命魔术》;系统会推荐主演里昂纳多的其他作品,比如《第十一小时》。  如果这个电影系统的数据被很好地分类,那么推荐系统也会给用户推荐这个分类下的其他作品。盗梦空间如果被归为科幻作品,那么可能会推荐其他科幻作品,比如《星际迷航》。  基于内容的推荐好处在于易于理解,但是坏处是推荐方式比较依赖于完整的内容知识库的建立。如果内容格式化比较差,那么基于内容的推荐就无法实行。同时如果用户留下的数据比较少,则推荐效果很差,因为无法扩展。  3. 基于内容的协同过滤  协同过滤(Collaborative Filtering)与传统的基于内容过滤直接分析内容进行推荐不同,协同过滤会分析系统已有数据,并结合用户表现的数据,对该指定用户对此信息的喜好程度预测。  基于内容的协同过滤(item-based CF),通过用户对不同内容的评分来评测内容之间的相似性,基于内容之间的相似性做出推荐;最典型的例子是著名的“啤酒加尿布”,就是通过分析知道啤酒和尿布经常被美国爸爸们一起购买,于是在尿布边上推荐啤酒,增加了啤酒销量。  需要计算用户u对物品j的兴趣,公式如下:511280ce30b7f4717c97c815d80d685b  这里N(u)表示用户有关联的商品的集合,wji表示物品j和i的相似度,rui表示用户u对物品i的打分,示例如下:b4d515312af11137f6804c4bcb75fdfe  这里还有两个问题没有仔细描述,如何打分,如何计算相似度。  打分的话需要根据业务计算,如果有打分系统最好,没有打分系统,则需要根据用户对这个物品的行为得到一个分数。  计算相似度除了之前我们提到的余弦公式,还可以根据其他的业务数据。比如对于网易云音乐而言,两首歌越多的被加入两个歌单,可以认为两首歌越相似。对于亚马逊而言,两个商品越多的被同时购买,则认为两个商品相似。这里其实是需要根据产品的具体情况进行调整。  4. 基于用户的协同过滤  基于用户的协同过滤(user-based CF),通过用户对不同内容的行为,来评测用户之间的相似性,基于用户之间的相似性做出推荐。这部分推荐本质上是给相似的用户推荐其他用户喜欢的内容,一句话概括就是:和你类似的人还喜欢下列内容。  需要计算用户u对物品i的兴趣,公式如下(可以和基于物品的协同过滤仔细对比):882ddd357a43a3b2dc4493856406030b  这里N(i)表示对物品i有过行为的用户集合,wuv使用用户u和用户v的相似度,rvi表示用户v对物品i的打分,示例如下:f679eb6c5429c3cf7dbdddbf78ae2169  同样的,这里计算相似度如果用到余弦公式,其实最主要的是选好维度。对于音乐而言,可能是每首歌都作为一个维度,对于电商而言,也可以是每个商品都是一个维度。当然,用一些可理解的用户标签作为维度也是可以的。  5. 基于标签的推荐  标签系统相对于之前的用户维度和产品维度的推荐,从结构上讲,其实更易于理解一些,也更容易直接干预结果一些。关于tag和分类,基本上是互联网有信息架构以来就有的经典设计结构。内容有标签,用户也会因为用户行为被打上标签。通过标签去关联内容。  需要计算用户u对物品i的兴趣,公式如下(可以和基于物品的协同过滤仔细对比):aae5f5f888b2bf87b76799dd0210d422  这里N(u.,i)表示用户u和物品i共有的标签,wuk使用用户u和标签k的关联度,rki表示标签k和物品i的关联性分数,示例如下:7d9151990e81e844def7d80652140ba4  标签查找的方法这里有很大可以发挥的空间,比如,通过知识库进行处理,或者语义分析处理。而对于一些设计之初就有标签概念的网站, 就比较容易,比如豆瓣和知乎。对于知乎而言,公共编辑的标签是天然的标签内容,对于知乎的用户而言,浏览回答关注等行为则是天然的用户标签素材。  6. 总结  对于推荐而言,这几种基本的方法彼此之前都有些应用场景的差别:比如基于知识的推荐,这是比较老旧的推荐方法,但是对于系统和结构比较好的内容,则低成本且高效。比如基于内容的协同过滤,就适用于内容比较有限,但是用户数特别多的情况,比如电商公司。比如基于用户的协同过滤,则比较容易根据用户的兴趣点,发觉热点内容,比如新闻门户。对于基于标签的推荐,有标签系统的很占便宜,它在灵活性和可控制性上都好一些,但是做好很难。  本期主要是介绍了常见推荐算法的基本原理,那么在推荐系统策略设计的时候,有哪些需要特别注意的地方呢?我们怎么衡量一个推荐系统的优劣呢?推荐系统有哪些典型的应用场景呢?欢迎关注专栏,继续阅读下期。  #专栏作家#  潘一鸣,人人都是产品经理专栏作家,THU/PM,知乎专栏:产品逻辑之美
    文章版权及转载声明:

    作者:changrun90本文地址:http://changrun.org/svip/579.html发布于 3年前 ( 2017-06-12 )
    文章转载或复制请以超链接形式并注明出处昌润博客

    分享到:

    发表评论

    快捷回复:

    评论列表 (暂无评论,556人围观)参与讨论

    还没有评论,来说两句吧...