該系列合集會同步發(fā)布與 GitHub HomePage
1. 基于用戶數(shù)據(jù)：協(xié)同過濾算法
歸功于亞馬遜工程師的“發(fā)明”——“一個客戶買了這個東西，那么他也可能買另一個東西”
基本思想：
喜好相同的人和人之間有相似的消費/行為模式。喜好這個東西的人，傾向于也喜好另一個
實現(xiàn)的方法為“協(xié)同過濾”算法 (collaborative filtering)
下面以音樂推薦系統(tǒng)為例進行說明，基于對用戶歷史數(shù)據(jù)的不同側(cè)重，可以分為以下兩類應(yīng)用情景：
（1）基于用戶：對每一個用戶的聽歌偏好作為向量，計算用戶喜好之間的相似度，找到與某個用戶X喜好最相似的一個其他用戶Y，然后將Y的歌單里有而X沒有的歌推薦給X
（2）基于項目（單曲）：將用戶對于一首歌的偏好作為向量，計算單曲之間的相似度，若某個用戶喜歡/收藏了某一首歌，則將于這首歌相似的歌曲推薦給這個用戶
但是，基于單一協(xié)同過濾算法的推薦系統(tǒng)會存在明顯的誤差：
除了用戶及消費模式信息，不涉及被推薦單曲本身的任何信息
這使得熱門音樂幣冷門音樂更容易得到推薦，因為前者擁有更多數(shù)據(jù)
如果推薦系統(tǒng)只能給出熱門歌曲的推薦，往往很難讓人感到驚喜
而基于項目（單曲）的協(xié)同過濾，也有一個問題，就是相似使用模式下的內(nèi)容異質(zhì)。
例如你聽了一張新專輯里面全部的歌，但除了主打歌，其他的一些插曲、翻唱曲以及混音曲可能都不是歌手的典型作品，那么協(xié)同過濾在這個時候，就會因為這些「噪音」而產(chǎn)生偏差。
最大的問題便是“沒有數(shù)據(jù)，一切皆失效”
2. 基于內(nèi)容：擺脫協(xié)同過濾算法對用戶數(shù)據(jù)的過分依賴
在數(shù)據(jù)量龐大且足夠干凈的時候，協(xié)同過濾算法是非常強大的，但如果作為一個新用戶，在數(shù)據(jù)稀少的情況下，推薦系統(tǒng)該怎么獲知我的口味？
可以利用歌曲本身的信息來得到推薦結(jié)果，其基本思想是：
當(dāng)你喜歡一首歌時，你會傾向也喜歡同類型的其他歌曲
不同歌曲有很多不同的屬性，用一個向量去描述該單曲的屬性，每一個維度的值代表一個屬性的定量描述
按照這些屬性，可以計算兩首歌曲的相似度
基于內(nèi)容的推薦算法更像是對協(xié)同過濾算法以上缺陷的一種補充——假如沒有大量用戶數(shù)據(jù)，或者想聽冷門歌曲，我們就只能從音樂本身尋找答案了
前面提到，可以根據(jù)歌曲的不同維度的屬性去構(gòu)造一個特征向量去描述它，但是可供選擇的屬性實在是太多了，因此需要構(gòu)造的特征向量維度過大——可以利用深度學(xué)習(xí)建立基于音頻的推薦模型，通過特征的embedding和降維方法，把這么多特征映射到低維變量空間里
3. 相似度到底是怎么算出來的？
可以擁有描述相似度的統(tǒng)計量為：歐式距離和余弦相似度
可以看出，在上圖中，如果固定B，讓A沿著直線OA方向移動，在移動過程中，AB的余弦夾角始終保持不變，而兩點之間的絕對距離一直在變化
這種差異使得在使用它們進行相似度描述時，要考慮數(shù)據(jù)的特性：
（1）歐式距離：能夠突出數(shù)值絕對差異，在歐式距離下，用戶對歌曲的偏好都可以被認為是一樣的分數(shù)，可以簡化歌曲相似度的計算；
（2）余弦相似度：更多是從用戶偏好方向上區(qū)分差異
參考資料：
(1) 吳軍《數(shù)學(xué)之美（第二版）》
