有一类包罗万象的Web运用触及用户对选项的爱好停止预测,这种系统称为引荐系统( recommendation system )。本章将首先给出这类系统的一些最重要运用样例。
但是,为了集中关注成绩本身,下面给出两个很好的引荐系统样例:
(1)基于对用户兴味的预测结果,为在线报纸的读者提供旧事报道;
(2)基于顾客过去的购物和/或商品搜索历史,为在线批发商的顾客引荐他们能够想要买的商品。
引荐系统运用一系列不同的技术,这些系统可以分成两大类:
基于内容的系统(Content-basedSystem)这类系统次要调查的是引荐项的性质。例如,假如一个Netlix的用户观看了多部西部牛仔片,那么系统就会将数据库中属于“西部牛仔”类的电影引荐给该用户。协同过滤系统( Collaborative Filtering System )这类系统经过计算用户或/和项之间的相似度来引荐项。与某用户相似的用户所喜欢的项会引荐给该用户。这类引荐系统可以运用第3章的相似性搜索和第7章的聚类技术的基本原理。但是,这些技术本身并不足够,有一些新的算法被证明在引荐系统中非常有效。