产品经理必知的推荐算法二三事( 三 )

比如我看了A导演的B电影，其中有C主演，我表现的非常喜欢这部电影。
那理论上来说就可以给我推A导演的其他作品集，或者C主演参演的其他电影，以及B电影的系列电影或者题材类似的其他电影。
这个算法的优点是便于冷启动，而且能够比较好的向用户进行解释，缺点是很难将不同的特征进行组合，比较难带给用户惊喜感，而且用户的属性挖掘不准的话推荐效果会比较差。
四、混合方法
顾名思义就是混合起来用，常见的策略主要包含加权、切换、分区和分层。
加权指的是利用线形的公式将几种不同的推荐算法组合起来，给予不同的权重，比如A算法20%、B算法50%、C算法30% ，然后再计算出一个最终推荐结果。
切换指的是在不同情况下用不同的推荐算法，比如冷启动时用热门算法，有了用户行为和数据之后，再切换成其他算法。
分区指的是采用不同的推荐机制，将不同推荐结果分不同的区展示给用户，比如对商品采用基于物品的协同过滤，对文章采用基于内容的推荐。
分层指的是将一个推荐算法的结果作为另一个推荐算法的输入，比如先用基于内容的推荐算法生成一个候选集，然后再利用基于模型的协同过滤从这个候选集中选择内容。
五、One More Thing
首先想说的是关于推荐算法的效果衡量，有一大堆指标来进行衡量，有定性的，有定量的，参见下图：

本文插图
素材来源于阿里技术
我没有做过这些东西，没办法详细展开，我们多看看上图就好，在不少地方见到过这个评价体系。
其次想说的是，主页君对这些算法的理解都很浅，感兴趣的小伙伴可以自行了解更多知识；有些知识点万一写错了的话，麻烦指正一下，见谅见谅。
最后，本文在写作过程中主要参考了以下书籍和文章：
《推荐系统实战》——项亮编著
《常用推荐算法》——林肯先生的Blog
《基于协同过滤的推荐方法》——Yanjun
以上，就是本文的主要内容，愿你有所收获；欢迎斧正、指点、拍砖…
#专栏作家#
王家郴，微信是chen604841806 ，公众号：产品经理从0到1 ，人人都是产品经理专栏作家，喜欢网球和骑行的产品汪，目前奔走在产品的道路上，漫漫产品路，与君共勉。
本文原创发布于人人都是产品经理。未经许可，禁止转载
题图来自 unsplash ，基于 CC0 协议