学习课件 - 2024-07-26T231033.056讲解.pptx

认识个性化推荐;目录;PART01;推荐系统能为你提供个性化的智能服务，是基于以下事实认知：人们倾向于喜欢那些与自己喜欢的东西相似的其它物品，或倾向于与自己趣味相投的人有相似的爱好，或者不同的客户群体有固定的购物习惯等。;由个性化推荐实现过程示意图的用户信息、物品信息和用户行为数据隐藏了用户的偏好，用户的行为数据将用户和物品关联起来，例如：

小明从网上购买了一本《人工智能基础与应用》，我们就可以认为他对人工智能感兴趣，给他推荐一本《机器学习》是合情合理的。

张海尽管没有购买人工智能方面的书，但我们发现他与小明在客户信息方面非常相似，就可以根据“相似的人具有相同的爱好”这个兴趣模型向张海推荐《人工智能基础与应用》之本书。

;总而言之，推荐系统首先分析用户行为数据，然后根据用户偏好（用户爱好相似|用户喜欢相似的物品|用户有相似的购买行为等）模型和相应的推荐算法对样本数据进行筛选过滤，找到待推荐用户可能感兴趣的物品，最后按序将预测结果推荐给用户，这就是个性化推荐系统的工作过程。

;推荐系统的任务就是连接用户和信息，创造价值，作为一种信息过滤系统，推荐系统具有以下两个最显著的特性：主动化、个性化。;个性化推荐的思路;个性化推荐的思路;PART02;根据推荐系统使用数据的不同，可分为基于用户行为的推荐、基于内容的推荐、基于社交网络的推荐等。;推荐算法分类;推荐算法分类;推荐算法分类;推荐算法分类;推荐算法分类;推荐算法分类;推荐算法分类;推荐算法分类;推荐算法分类;推荐算法分类;2.基于内容推荐;3.基于关联规则的推荐;3.基于关联规则的推荐;3.基于关联规则的推荐;3.基于关联规则的推荐;关联规则的提取过程即是找出所有支持度support≥最小支持度min_support，且置信度≥最小置信度min_confidence以及提升度靠前(1)的关联规则。像{牛奶}→{面包}这样的规则称为强规则，因为它们同时具有高支持度和高置信度。;推荐算法分类;3.基于关联规则的推荐;3.基于关联规则的推荐;应用Apriori算法的计算过程如图右所示;推荐算法分类;PART03;推荐效果评估;推荐效果评???;推荐效果评估;推荐效果评估;推荐效果评估;推荐效果评估;推荐效果评估;推荐效果评估;推荐效果评估;携手同行，走向辉煌！