首页>>技术前沿>>B/S,C/S软件系统开发许多人把推荐系统视为一种神秘的存在，他们觉得推荐系统似乎知道我们的想法是什么。腾讯向我们推荐电影电视剧，淘宝京东向我们推荐该买什么样的商品。推荐系统从早期发展到现在，已经得到了很大的改进和完善，以不断地提高用户体验。尽管推荐系统中许多都是非常复杂的系统，但其背后的基本思想依然十分简单。
推荐系统是什么？
推荐系统是一种信息过滤系统，它根据用户的偏好和行为，来向用户呈现他(或她)可能感兴趣的物品。推荐系统会尝试去预测你对一个物品的喜好，以此向你推荐一个你很有可能会喜欢的物品。我们这里将向大家介绍一种最常用的推荐系统：协同过滤系统。
1.基于用户的协同过滤
基于用户的协同过滤本质上是寻找与我们的目标用户具有相似品味的用户。如果张三和李四曾对几部电影给出了相似的评分，那么我们认为他们就是相似的用户，接着我们就可以使用张三的评分来预测李四的未知评分。例如，如果张三喜欢亮剑和雪豹，李四也喜欢亮剑，那么雪豹对李四来说是就是一个很好的推荐。一般来说，你只需要一小部分与李四相似的用户来预测他的评价。
当然这种推荐算法的缺点就是用户的喜好会随着时间推移而改变，这就会导致推荐信息的过时。
2.基于物品的协同过滤
基于物品的协同过滤过程很简单。两个物品的相似性基于用户给出的评分来算出。让我们回到张三和李四的例子，他们两人都喜欢亮剑和雪豹。 因此，我们可以推断，喜欢第一部电影的大多数用户也可能会喜欢第二部电影。所以，对于喜欢亮剑的第三个人王五来说，亮剑的推荐将是有意义的。这种推荐算法不会随着时间推移而变得过时，因为物品是不会过时的，是一直存在的。
推荐系统与AI？
推荐系统常用于人工智能领域。推荐系统的能力 – 洞察力，预测事件的能力和突出关联的能力常被用于人工智能中。另一方面，机器学习技术常被用于实现推荐系统。
【全文完】
版权声明:
1、弈聪软件网站内容中凡注明“来源：XXX（非陕西弈聪网站）”的作品，转载自其它媒体，转载目的在于传递更多信息，其中涉及的网站建设，网站优化，APP开发，微信小程序开发，大数据平台开发，区块链技术开发等软件开发技术细节并不代表本站赞同支持其观点，并不对其真实性负责。对于署名“陕西弈聪”的作品系本站版权所有，任何人转载请署名来源，否则陕西弈聪将追究其相关法律责任。
2、本站内容中未声明为“原创”的内容可能源自其它网站，但并不代表本站支持其观点，对此带来的法律纠纷及其它责任与我方无关。如果此内容侵犯了您的权益，请联系我方进行删除。
企业动态
