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買(mǎi)了某件商品并且評價(jià)不錯，那么你很有可能也會(huì )購買(mǎi)該商品。根據相似度比較的對象不同，可以細分為基于用戶(hù)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。

　　a）基于用戶(hù)的近鄰推薦

　　基于用戶(hù)的協(xié)同推薦的基本思想是：尋找當前用戶(hù)的近鄰(即計算用戶(hù)之間的相似性)，從而根據近鄰的喜好預測你也可能喜歡什么。

　　b）基于物品的近鄰推薦

　　該算法的核心是計算物品兩兩之間的相似度，從而為用戶(hù)推薦相似的物品。當需要對用戶(hù)推薦物品A時(shí)，通過(guò)確定與A相似的物品B，計算用戶(hù)對這些近鄰物品B評分的加權總和來(lái)得到用戶(hù)對物品A的預測評分。

　　2、基于內容的推薦算法

　　基于內容的推薦與協(xié)同過(guò)濾推薦不同，它不需要用戶(hù)對物品的評分數據，也不需要比較多個(gè)用戶(hù)或多個(gè)物品之間的相似度。該算法的基本思想是根據用戶(hù)的歷史興趣數據，建立用戶(hù)模型，然后針對推薦物品的特征描述進(jìn)行特征提取，后將物品特征與用戶(hù)模型相比較，相似度較高的物品就可以得到推薦。

　　基于內容的推薦目前主要應用于文本、視頻、音頻的推薦，比如新聞、視頻和電臺等。

　　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 )結構推薦的特點(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 )結構的社交網(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 )中當前用戶(hù)所有的好友，根據好友的興趣數據，向當前用戶(hù)推薦好友喜歡的物品集合。

　　b）基于網(wǎng)絡(luò )結構的社交網(wǎng)絡(luò )推薦

　　該算法把用戶(hù)、用戶(hù)的好友、用戶(hù)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 )結構圖。同時(shí)，根據用戶(hù)之間的熟悉程度和喜好相似度，來(lái)定義用戶(hù)之間和用戶(hù)的喜好之間的權重，然后選擇與用戶(hù)沒(méi)有直接相關(guān)的物品，按照優(yōu)先級別生成推薦列表。

http://ezekroy.com/jianzhanzhishi/7205.html 網(wǎng)站設計策劃之個(gè)性化推薦分析