个性化推荐系统

个性化推荐根据用户兴趣和行为特点，向用户推荐所需的信息或商品，帮助用户在海量信息中快速发现真正所需的商品，提高用户黏性，促进信息点击和商品销售。推荐系统是基于海量数据挖掘分析的商业 智能 平台，推荐主要基于以下信息： 热点信息或商品 用户信息，如性别、年龄、职业、收入以及所在城市等等 用户历史浏览或行为记录 社会化关系 基于人口统计学的推荐机制（Demographic-based Recommendation）是一种最易于实现的推荐方法，它只是简单的根据系统用户的基本信息发现用户的相关程度，然后将相似用户喜爱的其他物品推荐给当前用户。 首先， 系统对每个用户都有一个用户 Profile 的建模 ，其中包括用户的基本信息，例如用户的年龄，性别等等；然后， 系统会根据用户的 Profile 计算用户的相似度 ，可以看到用户 A 的 Profile 和用户 C 一样，那么系统会认为用户 A 和 C 是相似用户，在推荐引擎中，可以称他们是“邻居”；最后，基于“邻居”用户群的喜好推荐给当前用户一些物品。 这种基于人口统计学的推荐机制的好处在于： l因为不使用当前用户对物品的喜好历史数据，所以 对于新用户来讲没有“冷启动（Cold Start）”的问题 。 l 这个方法不依赖于物品本身的数据，所以这个方法在不同物品的领域都可以使用，它是领域独立的（domain-independent） 。