电脑怎么知道“推荐给你”？

Question

最近，我发现有几个网站有类似：“推荐给你”，例如youtube或facebook，网站可以研究我的使用行为，并为我推荐一些内容......我会想知道他们如何分析这些信息？有没有算法这样做？谢谢。

Answer 1

亚马逊和Netflix（以及其他人）使用一种名为Collaborative filtering的技术，根据购买和选择与您相似的其他人的喜欢/不喜欢来推荐您喜欢的内容。

Answer 2

  

有没有算法可以这样做？

是

Answer 3

是。一个相当常见的方法是查看您过去选择的内容，查找已做出这些选择的其他人，然后找到其他人中最常见的其他选项，并猜测您可能对此感兴趣那些。

Answer 4

是的，有很多算法。 k-nearest neighbor之类的东西：http://en.wikipedia.org/wiki/K-nearest_neighbor_algorithm。

这是一本关于这个主题的非常好的书，涵盖了与其他系统一起制作这些系统：http://www.amazon.com/gp/product/0596529325?ie=UTF8&tag=ianburriscom-20&linkCode=as2&camp=1789&creative=9325&creativeASIN=0596529325。

Answer 5

通常通过将您与具有相似使用历史/个人资料的其他用户匹配，然后推荐他们已经清除/观看过的其他内容/其他内容来完成。

Answer 6

搜索“推荐算法”会产生大量论文。大多数算法都采用“机器学习”算法来确定事物组合（喜剧电影，园艺书籍，管弦乐等）。您与这些组的匹配会产生建议。有些公司也使用人来对事物进行分类。

Answer 7

这种算法在不同公司之间会有很大差异。在许多情况下，它会分析您的搜索历史，购买历史记录，物理位置和其他因素的某些组合。它可能还会比较其他人的购买/搜索，以查找这些人购买/搜索的内容，并向您推荐其中一些产品。

这些算法可能有数百种，但我怀疑你可以使用它们中的任何一种（实际上是好的）。可能你最好自己搞清楚。

Answer 8

如果您可以对内容进行分类（例如通过标记或内容分析），您还可以对用户及其偏好进行分类。

例如：您有一个包含500万个视频的视频门户网站......其中1百万个标记为mostly red。如果用户观看的所有视频中有80％（由IP，持久性用户帐户定义，......）被标记为mostly red，您可能需要向他推荐更多红色视频。您可能希望通过查看他的进一步操作来优化您的建议：他是否喜欢您的建议 - 如果是这样，为什么不给他更多，如果没有，尝试第二个最佳猜测，也许他不是在寻找颜色，而是背景音乐......

没有绝对算法可以做到这一点，但所有实现都将采用类似的方向。它始终以观察用户为基础，不时让我感到害怕： - ）

Answer 9

有很多算法可以解决这个问题：Wiki article。这是机器学习领域的问题。可以使用两种主要技术来学习计算机：分类和聚类。它们需要一些数据集作为输入。如果数据集是信息性的（确实包含一些有用的模式），那么ML技术可以挖掘大部分数据。

群集最适合用于此类问题。它的主要用途是找到所提供数据集中各点之间的相似性。如果这些点是，例如您的搜索历史记录可以组合在一起形成某些群集。如果您的搜索历史与另一个搜索历史密切相关，则可以提供一个提示 - 选择与您的搜索历史最相似的链接。

书籍建议也是如此 - 他们使用的数据集显而易见：“购买此产品的其他人也购买了产品A，产品B ......”。这里的关键是将您的个人资料与其他人的资料相匹配，并使用最相似的建议。

Answer 10

计算机通过复杂的记忆扫描过程从人脑中检索信息，对其进行相应的排序，并根据您迄今为止的生活经验输出结果。