推薦算法介紹

參考：今日頭條推薦算法原理詳解https://lusongsong.com/info/post/9829.html?__SAKURA=1bfda19153216f98a2cd21274262ab30d1566441057_1518905

1.典型推薦算法

2.典型推薦特徵

主要有四類特徵會對推薦起到比較重要的做用。

第一類是相關性特徵，就是評估內容的屬性和與用戶是否匹配。顯性的匹配包括關鍵詞匹配、分類匹配、來源匹配、主題匹配等。像FM模型中也有一些隱性匹配，從用戶向量與內容向量的距離能夠得出。

第二類是環境特徵，包括地理位置、時間。這些既是bias特徵，也能以此構建一些匹配特徵。

第三類是熱度特徵。包括全局熱度、分類熱度，主題熱度，以及關鍵詞熱度等。內容熱度信息在大的推薦系統特別在用戶冷啓動的時候很是有效。

第四類是協同特徵，它能夠在部分程度上幫助解決所謂算法越推越窄的問題。協同特徵並不是考慮用戶已有歷史。而是經過用戶行爲分析不一樣用戶間類似性，好比點擊類似、興趣分類類似、主題類似、興趣詞類似，甚至向量類似，從而擴展模型的探索能力。

3.召回策略

見https://www.cnblogs.com/graybird/p/11393511.html

不一樣公司業務會設計本身的召回策略

4.數據依賴

5.評估體系