11|基于规则的召回:如何使用规则找到用户的兴趣点?
召回对于推荐系统的意义
- 深入了解
- 翻译
- 解释
- 总结
推荐系统是一种能够根据用户兴趣点提供个性化推荐的系统。本文介绍了推荐系统中的召回算法,着重介绍了基于规则的召回算法,其中包括基于时间、热度和关键词的召回算法。基于时间的召回算法是最简单的一种召回算法,通过时间因素来调整内容权重,反映用户实时兴趣特征。该算法具有时间敏感性、个性化和实时性等优点,但也存在着需要大量历史数据和计算资源、精度偏低等缺点。在实际应用中,基于时间的召回算法通常与其他召回算法结合使用,以提高推荐准确度。文章还提到了如何将规则的召回进行组合,以及预习基于热度的召回和热度的衰减方式。总的来说,本文通过简洁明了的语言,帮助读者了解了推荐系统中基于规则的召回算法的基本概念和应用。
《手把手带你搭建推荐系统》,新⼈⾸单¥59
全部留言(3)
- 最新
- 精选
- Geek_96685a基于时间和基于关键词能举一个具体的例子么? 在基于关键词的召回算法中,可以根据历史数据中某个词语的出现频率等属性,赋予不同词语不同权重;在基于时间的召回算法中,可以根据时间因素给各个内容赋予不同的权重。通过这种方式将时间和关键词两种因素结合起来进行推荐,提高推荐准确度。 上面这句话如何理解呀?
作者回复: 基于关键词的召回算法和基于时间的召回算法是推荐系统中常用的两种策略。下面我举一个具体的例子来说明。 假设我们有一个新闻推荐系统,用户每次访问时,系统需要根据用户的兴趣推荐相关的新闻文章。 对于基于关键词的召回算法,系统可以根据用户的历史浏览记录和行为数据,分析用户对于不同关键词的兴趣程度。例如,如果一个用户经常点击和浏览与"健康"相关的新闻,那么系统可以推测这个用户对健康类的新闻文章比较感兴趣。因此,在召回阶段,系统可以根据关键词的属性(如词频、关键词的热度等),赋予不同关键词不同的权重,然后根据计算出的权重筛选出与用户兴趣相关的新闻候选集。 对于基于时间的召回算法,系统可以考虑到新闻的时效性,将最新发布的新闻信号加入推荐计算中。例如,一些与热点事件相关的新闻通常在发布后的短时间内被用户广泛关注,因此在召回过程中给予这些新闻较大的权重,以便及时推荐给用户。而一些时间久远的新闻,尽管与用户兴趣相关,但由于发布时间较早,可能被用户忽略或遗忘,因此在召回阶段可以给予较低的权重。 综合上述两种召回算法,在推荐系统中可以将关键词和时间因素结合起来,通过分析用户的兴趣和新闻的时效性,提高推荐的准确性和实用性。
2023-06-09归属地:河北2 - Geek_ccc0fd1. 规则组合的话,就是尝试各种单一规则的笛卡尔积吧,时间+热度,关键词+热度,关键词+时间 2. 基于热度的召回,热度其实就说用户对物品的关注程度吧,通过点击,点赞,收藏,转发等来计算加权和,可以加个时间限制,近7/30/90天的热度榜单,各种关键词的热度榜单,物品的热度可以乘一个时间衰减函数来做热度衰减
作者回复: 是的,这么理解是没问题的。
2023-05-10归属地:广东2 - 董俊俊纯理论吗?没有示例代码?
作者回复: 同学,你好,这一节的理论部分相对比较多,后面会有实战代码。
2023-05-27归属地:湖北