個(gè)性化推薦就是根據(jù)用戶的興趣特點(diǎn)和購(gòu)買(mǎi)行為，向用戶推薦用戶感興趣的信息和商品。

隨著信息化進(jìn)程的加快，信息日漸增多，用戶需要花費(fèi)大量的時(shí)間，才能找到自己想聽(tīng)的歌、想看的新聞、想買(mǎi)的商品。個(gè)性化推薦能夠在這個(gè)被信息淹沒(méi)的時(shí)代，把用戶最想要的內(nèi)容直接呈現(xiàn)在用戶面前。

推薦系統(tǒng)根據(jù)用戶的隱含信息或顯示信息，對(duì)用戶進(jìn)行建模，同時(shí)對(duì)物品信息進(jìn)行建模。推薦系統(tǒng)根據(jù)不同的推薦算法對(duì)用戶興趣和物品特征進(jìn)行匹配篩選，找到用戶可能感興趣的推薦物品，最后推薦給用戶。

個(gè)性化推薦的幾種算法

目前使用比較普遍的個(gè)性化推薦算法有三種，分別是：協(xié)同過(guò)濾推薦算法、基于內(nèi)容的推薦算法和基于社交網(wǎng)絡(luò)的推薦算法。

1.協(xié)同過(guò)濾推薦算法

該算法的基本思想是，如果你的朋友或者親戚購(gòu)買(mǎi)了某件商品并且評(píng)價(jià)不錯(cuò)，那么你很有可能也會(huì)購(gòu)買(mǎi)該商品。根據(jù)相似度比較的對(duì)象不同，可以細(xì)分為基于用戶的推薦和基于物品的推薦。在用該算法的有Amazon等一些電商平臺(tái)。

a）基于用戶的最近鄰?fù)扑]

基于用戶的協(xié)同推薦的基本思想是：尋找當(dāng)前用戶的最近鄰(即計(jì)算用戶之間的相似性)，從而根據(jù)最近鄰的喜好預(yù)測(cè)你也可能喜歡什么。

b）基于物品的最近鄰?fù)扑]

該算法的核心是計(jì)算物品兩兩之間的相似度，從而為用戶推薦相似的物品。當(dāng)需要對(duì)用戶推薦物品 A時(shí)，通過(guò)確定與A 最相似的物品B，計(jì)算用戶對(duì)這些近鄰物品B評(píng)分的加權(quán)總和來(lái)得到用戶對(duì)物品A的預(yù)測(cè)評(píng)分。

2.基于內(nèi)容的推薦算法

基于內(nèi)容的推薦與協(xié)同過(guò)濾推薦不同，它不需要用戶對(duì)物品的評(píng)分?jǐn)?shù)據(jù)，也不需要比較多個(gè)用戶或多個(gè)物品之間的相似度。該算法的基本思想是根據(jù)用戶的歷史興趣數(shù)據(jù)，建立用戶模型，然后針對(duì)推薦物品的特征描述進(jìn)行特征提取，最后將物品特征與用戶模型相比較，相似度較高的物品就可以得到推薦。

基于內(nèi)容的推薦目前主要應(yīng)用于文本、視頻、音頻的推薦,比如新聞、視頻和電臺(tái)等。

3.基于社交網(wǎng)絡(luò)的推薦算法

基于社交網(wǎng)絡(luò)的推薦是協(xié)同過(guò)濾推薦在社交網(wǎng)絡(luò)中的延伸，同時(shí)又具有基于網(wǎng)絡(luò)結(jié)構(gòu)推薦的特點(diǎn)。大體上可以分為兩類(lèi)，即基于鄰域的社交網(wǎng)絡(luò)推薦和基于網(wǎng)絡(luò)結(jié)構(gòu)的社交網(wǎng)絡(luò)推薦。

a）基于鄰域的社交網(wǎng)絡(luò)推薦

其基本思想是查詢(xún)社交網(wǎng)絡(luò)中當(dāng)前用戶所有的好友,根據(jù)好友的興趣數(shù)據(jù),向當(dāng)前用戶推薦好友喜歡的物品集合。

b）基于網(wǎng)絡(luò)結(jié)構(gòu)的社交網(wǎng)絡(luò)推薦

該算法把用戶、用戶的好友、用戶的喜好和好友的喜好連接起來(lái)形成一個(gè)社交網(wǎng)絡(luò)結(jié)構(gòu)圖。同時(shí)，根據(jù)用戶之間的熟悉程度和喜好相似度，來(lái)定義用戶之間和用戶的喜好之間的權(quán)重，然后選擇與用戶沒(méi)有直接相關(guān)的物品，按照優(yōu)先級(jí)別生成推薦列表。

個(gè)性化推薦的優(yōu)劣標(biāo)準(zhǔn)

也許你已經(jīng)發(fā)現(xiàn)，現(xiàn)如今很多產(chǎn)品的個(gè)性化推薦系統(tǒng)還談不上智能。我就經(jīng)常遇到在某電商平臺(tái)買(mǎi)了一臺(tái)電腦，接下來(lái)就向我推薦各種品牌的電腦。對(duì)于買(mǎi)電腦這種低頻行為，該個(gè)性化推薦顯得太粗糙了一點(diǎn)。還有當(dāng)我在一些資訊App瀏覽新聞時(shí)，總是受到相同內(nèi)容的新聞信息，讓我沒(méi)有繼續(xù)使用下去的欲望。

一個(gè)好的個(gè)性化推薦系統(tǒng)，用戶能夠從系統(tǒng)提供的推薦列表中購(gòu)買(mǎi)自己確實(shí)需要但在購(gòu)買(mǎi)過(guò)程中沒(méi)有想到的商品，有利于流量和商品轉(zhuǎn)化，也會(huì)讓用戶對(duì)該系統(tǒng)產(chǎn)生依賴(lài)。個(gè)性化推薦系統(tǒng)不僅能夠?yàn)橛脩籼峁﹤€(gè)性化的推薦服務(wù)，而且能與用戶建立長(zhǎng)期穩(wěn)定的關(guān)系，從而提高用戶的忠誠(chéng)度。

我心目中的個(gè)性化推薦系統(tǒng)可以分為三個(gè)層次。第一個(gè)層次，你購(gòu)買(mǎi)過(guò)什么，它能夠給你推薦相同類(lèi)型的物品；第二個(gè)層次，它能夠?yàn)槟阃扑]你需要也比較適合你的其它物品；第三個(gè)層次，也是最高的層次，就是它能夠基于你的性格、興趣等個(gè)人特性，為你推薦甚至連你自己沒(méi)想到過(guò)卻能正中你心意的物品。

目前我們還只是達(dá)到第二個(gè)層次，也許個(gè)性化推薦的終極形態(tài)是未來(lái)的人工智能。就像科幻電影《她》里面一樣，她不過(guò)是一堆0和1的數(shù)據(jù)，她卻能看懂你的表情、讀懂你的心情，成為你的私人靈魂伴侶。

幾個(gè)問(wèn)題

個(gè)性化推薦系統(tǒng)是一個(gè)非常復(fù)雜系統(tǒng)，背后還涉及到很多問(wèn)題。比如冷啟動(dòng)問(wèn)題、數(shù)據(jù)稀疏性問(wèn)題、推薦的精確度和準(zhǔn)確度問(wèn)題等。

1.冷啟動(dòng)問(wèn)題

如果用戶的標(biāo)簽信息為零，那么個(gè)性化推薦就等于不存在。這個(gè)情況下，往往是讓用戶進(jìn)入興趣標(biāo)簽填寫(xiě)的頁(yè)面，或者通過(guò)搜集用戶在其它平臺(tái)的標(biāo)簽數(shù)據(jù)來(lái)進(jìn)行推薦。

2.數(shù)據(jù)稀疏性問(wèn)題

很多電商平臺(tái)的信息數(shù)據(jù)之大，使得任意兩個(gè)用戶瀏覽的商品交集非常小，這時(shí)候通常采用商品聚類(lèi)或者用戶聚類(lèi)的方式。

3.推薦的精確度和準(zhǔn)確度問(wèn)題

通過(guò)收集更多的用戶標(biāo)簽，不斷優(yōu)化推薦算法，多種推薦算法的組合推薦來(lái)最大化保證推薦的精確度和準(zhǔn)確度。

4.傳統(tǒng)的個(gè)性化推薦，無(wú)法保證推薦的實(shí)時(shí)性

比如網(wǎng)易云的用戶無(wú)意中聽(tīng)到了一種沒(méi)聽(tīng)過(guò)的曲風(fēng)，覺(jué)得很好聽(tīng)又連續(xù)聽(tīng)了幾首。如果這時(shí)候推薦的還是他過(guò)去愛(ài)聽(tīng)的，這就不能很好地滿足用戶的需求。

5.精確度與多樣性的平衡問(wèn)題

盲目的精確推薦可能會(huì)使用戶的視野越來(lái)越狹窄，也就無(wú)法向用戶推薦其它多樣的物品和信息。如何平衡兩者的關(guān)系是一個(gè)要解決的問(wèn)題。

……

作者：渡邊不純（微信公眾號(hào)：渡邊不純）

本文由 @渡邊不純 原創(chuàng)發(fā)布于人人都是產(chǎn)品經(jīng)理。未經(jīng)許可，禁止轉(zhuǎn)載。