以“協(xié)同過(guò)濾”推薦機(jī)制為核心，網(wǎng)站并不需要做出如同“What to Rent”的“性格-產(chǎn)品”匹配，而只需要了解“用戶(hù)都在同哪些人進(jìn)行交往”、“用戶(hù)加入了哪些組群”、“用戶(hù)都在看誰(shuí)的頁(yè)面”這樣的問(wèn)題，然后根據(jù)“物以類(lèi)聚、人以群分”的思路為用戶(hù)推薦他的伙伴都感興趣的事物。

第一代的協(xié)同過(guò)濾技術(shù)，又被稱(chēng)為基于用戶(hù)（User-based）的協(xié)同過(guò)濾?；谟脩?hù)的協(xié)同過(guò)濾，基本原理是基于用戶(hù)行為選擇的相關(guān)性。

協(xié)同過(guò)濾的核心問(wèn)題是尋找與目標(biāo)用戶(hù)興趣相近的一組用戶(hù)。這種相似用戶(hù)通常被稱(chēng)為最近鄰居（Nearest Neighbor）。用戶(hù)之間的相似度是通過(guò)比較兩個(gè)用戶(hù)的行為選擇矢量得到的。于是第二代基于內(nèi)容項(xiàng)（Item-based）的協(xié)同過(guò)濾技術(shù)就產(chǎn)生了。與基于用戶(hù)的技術(shù)不同的是，這種方法比較的是內(nèi)容項(xiàng)與內(nèi)容項(xiàng)之間的相似度。 Item-based方法同樣需要進(jìn)行三個(gè)步驟獲得推薦：

1）得到內(nèi)容項(xiàng)（Item）的歷史評(píng)分?jǐn)?shù)據(jù)。

2）針對(duì)內(nèi)容項(xiàng)進(jìn)行內(nèi)容項(xiàng)之間的相似度計(jì)算，找到目標(biāo)內(nèi)容項(xiàng)的“最近鄰居”。

3）產(chǎn)生推薦。這里內(nèi)容項(xiàng)之間的相似度是通過(guò)比較兩個(gè)內(nèi)容項(xiàng)上的用戶(hù)行為選擇矢量得到的?；谟脩?hù)的推薦系統(tǒng)相比，基于內(nèi)容項(xiàng)的推薦系統(tǒng)最大的改進(jìn)是更具有擴(kuò)展性?；趦?nèi)容項(xiàng)的方法通過(guò)計(jì)算內(nèi)容項(xiàng)之間的相似性來(lái)代替用戶(hù)之間的相似性。

不論是第一代的基于用戶(hù)方法，還是第二代的基于內(nèi)容項(xiàng)方法，都不可避免的遇到數(shù)據(jù)稀疏的問(wèn)題。

基于內(nèi)容和基于協(xié)同過(guò)濾兩種方式的區(qū)別

無(wú)論從用戶(hù)還是服務(wù)提供者的角度出發(fā)，這兩種推薦方式都有各自明顯的優(yōu)劣。如果采用“基于內(nèi)容的過(guò)濾”，那么在完成內(nèi)容和用戶(hù)互相匹配的過(guò)程中，就可能出現(xiàn)“越讀越窄”、“越聽(tīng)越窄”、“越看越窄”的問(wèn)題，提供的內(nèi)容完全與用戶(hù)興趣點(diǎn)相吻合，而沒(méi)有發(fā)散。

“協(xié)同過(guò)濾”在很大程度上避免了這個(gè)問(wèn)題，但是他需要用戶(hù)達(dá)到一定數(shù)量級(jí)之后才能發(fā)揮出網(wǎng)站創(chuàng)建者預(yù)想的效果，這種“網(wǎng)絡(luò)效應(yīng)”使得同一市場(chǎng)上的后來(lái)者很難找到切入的機(jī)會(huì)。而用戶(hù)一旦不能得到“好處”，可能迅速離去，而來(lái)不及提“利他”的后話。

3.基于實(shí)時(shí)行為的推薦

目前流行的實(shí)時(shí)搜索開(kāi)始了這方面的研究。

推薦引擎需要面對(duì)的問(wèn)題

1.數(shù)據(jù)匱乏

2.應(yīng)對(duì)數(shù)據(jù)變化

因?yàn)楹诵乃惴ㄊ菍?duì)歷史數(shù)據(jù)的統(tǒng)計(jì)，所以偏愛(ài)老數(shù)據(jù)，而新的變化難于及時(shí)體現(xiàn)，所以難于跟上時(shí)尚潮流的變化（pastbehavior [of users] is not a good tool because the trends are always changing），同時(shí)原文指出：在變化很快的時(shí)尚領(lǐng)域物品推薦方式不太奏效，因?yàn)閱蝹€(gè)物品的特性太多而且隨時(shí)間變化，所以，社會(huì)化推薦也許更有效。

3.應(yīng)對(duì)用戶(hù)喜好的變化

用戶(hù)每次使用同一個(gè)系統(tǒng)（例如，Amazon）的目的不同，所以推薦算法也許會(huì)迷惑。但是，本人認(rèn)為通過(guò)長(zhǎng)時(shí)間的采集用戶(hù)的行為數(shù)據(jù)，某個(gè)用戶(hù)的消費(fèi)傾向還是能夠把握的，本人使用當(dāng)當(dāng)網(wǎng)購(gòu)物時(shí)就體會(huì)到它的推薦還是比較貼合我的口味的。

4.個(gè)別物品的特性具有對(duì)立的多面性

有些物品，在同一個(gè)物品身上能夠發(fā)現(xiàn)不相容的特性，主要在文化基因和個(gè)人喜好方面，這類(lèi)物品很難推薦。

5.計(jì)算很復(fù)雜

要面對(duì)的問(wèn)題有：原始數(shù)據(jù)量巨大、需計(jì)算的參數(shù)很多，因此計(jì)算很復(fù)雜。個(gè)性化數(shù)據(jù)

6.個(gè)性化數(shù)據(jù)是關(guān)鍵，而這些數(shù)據(jù)一般都是結(jié)構(gòu)化數(shù)據(jù)。

基于Amazon研究

據(jù)稱(chēng)，Amazon 有35%的頁(yè)面銷(xiāo)售源自于她的推薦引擎。

Amazon的推薦引擎，是一個(gè)需要用戶(hù)一定參與的系統(tǒng)，用戶(hù)的輸入將對(duì)推薦的內(nèi)容起到指導(dǎo)作用；如果指導(dǎo)有方，則會(huì)提供更符合個(gè)人品味的推薦。

她會(huì)記錄你已在Amazon購(gòu)買(mǎi)的歷史、你最近的瀏覽歷史（根據(jù)活躍度調(diào)整，可拒絕此類(lèi)跟蹤），并需要主動(dòng)告知引擎你對(duì)某些商品的打分（此打分不同于評(píng)價(jià)，只用于推薦引擎、且對(duì)他人不可見(jiàn)），和你已擁有的商品（用于排除這個(gè)推薦）。根據(jù)這些數(shù)據(jù)來(lái)做出判斷

另外，Amazon的推薦引擎并不只有這一塊內(nèi)容，在瀏覽、tag、商品頁(yè)面都有很多推薦，可以說(shuō)推薦無(wú)處不在。從她的功能點(diǎn)來(lái)看，似乎可以分為三塊內(nèi)容：以人為著眼點(diǎn)、以物為著眼點(diǎn)以購(gòu)物過(guò)程為著眼點(diǎn)。同時(shí)還采用了跨類(lèi)推薦，對(duì)不同類(lèi)的按熱度排列。

基于豆瓣的研究

大家可以看這里http://www.slideshare.net/clickstone/ss-2756065。

基于八音盒的研究

八音盒（www.8box.cn）是一個(gè)基于音樂(lè)分享及偏好而建立起來(lái)的SNS服務(wù), 利用多年積研發(fā)的推薦引擎，8box能幫你找到可能喜歡的音樂(lè)，幫你分析出哪些用戶(hù)是你的音樂(lè)“同好”。八音盒通過(guò)你推薦、試聽(tīng)、打分、評(píng)論音樂(lè)的過(guò)程，學(xué)習(xí)你的口味，并依此幫助過(guò)濾出你喜歡的音樂(lè)。發(fā)現(xiàn)音樂(lè)的最好途徑是通過(guò)你的同好。八音盒能夠根據(jù)你的口味，推薦相似的用戶(hù)給你。應(yīng)該說(shuō)“個(gè)性化推薦引擎–IntelliProvider”是音樂(lè)八音盒的技術(shù)基石。

簡(jiǎn)單的來(lái)說(shuō)，8box推薦音樂(lè)的依據(jù)有三種：

1.依靠音樂(lè)本身的屬性信息判斷音樂(lè)的相關(guān)性，做出推薦。

2.依靠聽(tīng)眾對(duì)這個(gè)音樂(lè)的評(píng)價(jià)和反映來(lái)推斷音樂(lè)的相關(guān)性，做出推薦。

3.依靠分析用戶(hù)的行為，發(fā)掘出用戶(hù)的音樂(lè)同好，從而做出推薦。

基于遺傳學(xué)的推薦系統(tǒng)-潘朵拉（Pandora）

音樂(lè)染色體組項(xiàng)目的 推出，目的在于把音樂(lè)解析成為最基本的基因組成。它的基本想法是：我們因?yàn)橐魳?lè)的某些特性喜歡音樂(lè)－－那么為什么不能根據(jù)音樂(lè)的某些相似之處設(shè)計(jì)出一套推 薦系統(tǒng)呢？這類(lèi)推薦系統(tǒng)應(yīng)該屬于基于產(chǎn)品的推薦。但具有深刻創(chuàng)新意義的是，產(chǎn)品（音樂(lè)產(chǎn)品）的相似性，通過(guò)“基因”組成來(lái)衡量。

這種“即刻滿足感”是很難抗拒的。因?yàn)閜andora 了解音樂(lè)相似性背后的因素，它不需要了解用戶(hù)的好惡，就可以把用戶(hù)黏住。確實(shí)，pandora 需要把握用戶(hù)的口味或記憶－－但這正是蘊(yùn)藏在音樂(lè)本身的dna中了。當(dāng)然pandora有時(shí)并不完美，會(huì)播放不對(duì)用戶(hù)口味的音樂(lè)。但這很少發(fā)生。

基于標(biāo)簽的推薦系統(tǒng)-Del.icio.us

非常簡(jiǎn)明的推薦系統(tǒng)，它指基于一個(gè)基因－－那就是一個(gè)標(biāo)簽。

總結(jié)到這里，要是有這方面的技術(shù)人員交流就好了！??！

來(lái)源：http://www.xisoo.net/2010/01/12/csi/