学习随笔，仅记录值得留意的点。

协同过滤的适用领域

PS：适用协同过滤的场景并不一定完全符合下述要求，只是如果下述条件符合会更适合使用CF

数据要求

1、item数量足够多

2、每个item有足够多的评分

3、每个用户对较多数量的item给出了评分。如果一个用户只对一个item进行了评分，那我们就无法获得item之间相关联的信息。

4、用户评分的数量要比item数量大得多。例如当用户评论稀疏时，我们就需要更多用户来弥补这一缺陷；再举个实际例子，谷歌搜索所索引了的网页数量比全球人口还要多，因此用户无法对item（此处为网页）给出足够的评分。当用户数量不足时，推荐系统的推荐置信度就会降低。

用户评分具有长尾特点，即大部分评分都集中到部分item，很多item是缺少评分的。文中提到了这一现象，但没有给出解决方案

潜在假设

1、社区中每个用户都有相似口味的用户

2、item的评价指标是偏个性化的。虽然有时候在个性化推荐时考虑一些客观的评价指标也会有帮助，但是如果可以仅仅使用某种客观的评价指标来评估item，例如搜索引擎，CF并不是很适合。

3、用户对item的兴趣并不会快速发生变化，例如对于书籍、电影和电子产品。一个反面例子是衣服，使用一个用户五年前的数据大概率不能反应他现在的兴趣

对比协同过滤（CF）与基于内容的过滤（CBF）

1、Collaborative filtering 的假设：口味相似的用户会对相同的item有相近的评分；

2、Content-based Filtering 的假设：同一个用户对于具有相似内容的item会给出相近的评分；

3、两者可以互补。协同过滤需要评分数据，因此对新的item无能为力，而基于内容的过滤则可以解决这一问题；然而，有些场景下，item的内容很难获得或者表示出来，例如电影或者音乐。

博主注：现在深度推荐模型中利用side info来解决冷启动的思路其实就类似于基于内容的过滤

4、人们普遍认为，CF对比于CBF更能给出具有多样性、让用户意外但符合用户的潜在需求的item

协同过滤的分类

非概率模型

给定一个user-item的二维评分表，我们需要利用已有的评分数据来预测其中缺失的评分。例如下图中的X（用户3对于Speed的评分）即为需要预测的评分。

1、基于用户的CF：通过评分数据计算用户的相似度，然后使用其他用户对于该item的评分的加权和作为预测，权重即为目标用户与其他用户的相似度。例如上面的例子中，需要使用其他用户对于Speed的评分（分别是4、5、3）来加权求和。

2、基于item的CF：通过评分数据计算item的相似度，然后使用该用户对于其他item的评分的加权和作为预测，权重即为目标item与其他item的相似度。例如上面的例子中，需要使用用户3对于其他item的评分（对《The Matrix》评分为3，对《Sideways》评分为4），即3和4来做加权求和。

PS：基于用户的CF和基于item的CF在定义相似度时都有一些变种，但是这两类方法都已经不是主流，此处不再详细介绍。

但个人感觉值得一提的一个比较有意思的设计思路：

不同用户的评分偏好不同，即有些用户更偏向于给低分，而另外一些用户偏向于给高分。举个例子，平时偏好打低分的用户这次给一部电影打了中等偏上的分数，可能是等价于一个偏好打高分的用户给该电影打了近乎满分的。为了缓和这一现象，计算评分时使用评分减去该用户的平均评分

3、基于关联规则的CF。过时方法，不介绍。

4、基于矩阵分解的CF。值得了解的方法，但不在此处介绍，见其他博文。

概率模型

决策树

一些设计细节

显式评分与隐式评分

显式评分即用户直接给出的打分，例如从1到5的评分。隐式评分指的是能够间接反应用户对于该item的兴趣程度的值，例如用户在浏览一件物品时停留的时间。显示评分更加精确地反映用户的兴趣，但获取成本更高，隐式评分更容易获取，但这些数据的不确定性更大，会导致推荐系统的置信度更低

评分尺度

评分尺度需要适宜，过小的尺度会导致区分度不够大，从而损失部分信息；而过大的尺度（例如从1到100）会导致更大的不确定性，例如你在隔天再问一次，用户可能会给出不一样的数值。

冷启动问题

用户冷启动的解决思路：

1、给用户推荐热门的item而非个性化的item，或者询问偏好（例如喜欢的音乐风格、电影类别），然后推荐该类别的热门item

2、根据用户的基本信息，推荐与其相似的用户喜欢的item

商品冷启动的解决思路：主要是使用基于非协同过滤的方法，例如基于item的内容或者元数据的相似性来进行推荐。

阅读感受

挺旧的一篇文章，大部分东西都过时了，但其中一些思想倒是一直在沿用，例如基于内容来解决冷启动问题。学习经典方法的意义在于领会其中的设计思想，在推荐领域尤其如此。