Recommended
More Related Content
Viewers also liked
Viewers also liked (14)
Similar to Recommendation system
Recommendation system
- 2. 推荐系统分类 • 基于关联规则的推荐 • 基于时间序列的推荐 • 基于周期性购买的推荐 • 基于内容的推荐 通过匹配商品的特征描述与用户信息（历史购买商品的特征以及个人信息），计算 相关度，进而推荐相关商品。 • 协同过滤 • 混合推荐 • 基于上下文的推荐 • 基于意图的推荐 • 交互式推荐 • 基于知识的推荐 5/31/2015Footer Text 2
- 3. Topics of interest for RecSys 2014 • Algorithm scalability • Case studies of real-world implementations • Conversational recommender systems • Context-aware recommenders • Evaluation metrics and studies • Explanations and evidence • Group recommenders • Impact studies • Innovative/New applications • Machine learning for recommendation • Novel paradigms • Personalization • Preference elicitation • Privacy and Security • Recommendation algorithms • Social recommenders • User interfaces • Semantic web technologies for recommendation • Targeted advertising • Trust and reputation • Theoretical foundations • User modelling • User studies 5/31/2015 3
- 4. 评估指标 5/31/2015Footer Text 4 其中PredictionSet为算法预测的购买数据集合，ReferenceSet为真 实的答案购买数据集合。我们以F1值作为最终的唯一评测标准。
- 5. 协同过滤 • 冷启动问题 • 评分矩阵稀疏 5/31/2015Footer Text 5
- 6. 基于上下文的推荐 • 时间上下文 距离当前越近的用户行为越具有代表性 • 地点上下文 基于LBS地理位置信息的推荐 • 其他 5/31/2015Footer Text 6
- 7. 阿里巴巴比赛 • 介绍：通过一个月的用户购买历史记录，预测用户在接下 了一天会买哪些商品 • 数据信息： 5/31/2015 7 字段 字段说明 提取说明 user_id 用户标识 抽样&字段脱敏 item_id 商品标识 字段脱敏 behavior_type 用户对商品的行为类型 包括浏览、收藏、加购物车、购买，对应 取值分别是1、2、3、4。 user_geohash 用户位置的空间标识，可以为空 由经纬度通过保密的算法生成 item_category 商品分类标识 字段脱敏 time 行为时间 精确到小时级别 字段 字段说明 提取说明 item_id 商品标识 抽样&字段脱敏 item_ geohash 商品位置的空间标识，可以为空 由经纬度通过保密的算法生成 item_category 商品分类标识 字段脱敏
- 8. Recsys Challenge 2015 • 数据： CLICKS DATASET[Session ID, Timestamp, Item ID, Category] BUYS DATSET[Session ID, Timestamp, Item ID, Price, Quantity] • 任务：通过分析用户的点击流数据和用户的购买数据，预 测用户点击商品后会购买哪些商品 • 有些时候，用户在线购物过程中会看好多商品，这时候对 用户看过的商品进行筛选推荐就变得非常有必要，减少用 户时间，提高用户体验。 5/31/2015Footer Text 8
- 10. 在线学习 • 加入在线学习过程，时刻跟踪用户的行为，针对对用户的 行为变化修改推荐策略 • 目前推荐主要针对用户的历史行为进行推荐，而推荐结束 后，对用户的实时行为进行研究的不多，我目前想从这方 面入手，如用户点击了哪些商品，帮助预测用户点击过的 商品集合中会买哪些商品，帮助用户进行决策，减少用户 认知花销，增强用户体验。 • 通过用户在商品页面停留的时间与其他用户在此商品页面 的平均停留时间进行对比来反映用户对于此商品的喜好。 同时还可以将用户的在所有商品的平均停留时间考虑进去。 5/31/2015Footer Text 10