推荐算法:基于约束的推荐
2016-07-23 21:22
351 查看
基于知识的推荐
垂直领域的推荐
基于约束的推荐:if-then的关系
基于关联:FP、Apriori
找不到推荐方案下,自动修复与需求的不一致性
给出合理的推荐解释
样例:相似度计算
约束:使用预先定义好的知识库(用户需求描述和产品信息的关联程度)
两个变量:Vc;VPROD
三个约束:CR;CF;CPROD
Vc:客户特性(例如:是否愿意冒风险)
VPROD : 给定产品的特性(推荐的投资周期,产品类型)
CR: 约束(客户需求的约束,日历:短期投资和高风险投资不相容)
CF:过滤条件(缺乏理财经验的客户不应该接受高风险)
CPROD :产品;
垂直领域的推荐
1. 分类
基于样例的推荐基于约束的推荐:if-then的关系
基于关联:FP、Apriori
相似点
收集用户需求找不到推荐方案下,自动修复与需求的不一致性
给出合理的推荐解释
区别
推荐方案如何产生样例:相似度计算
约束:使用预先定义好的知识库(用户需求描述和产品信息的关联程度)
2. 约束推荐
基本约束推荐两个变量:Vc;VPROD
三个约束:CR;CF;CPROD
Vc:客户特性(例如:是否愿意冒风险)
VPROD : 给定产品的特性(推荐的投资周期,产品类型)
CR: 约束(客户需求的约束,日历:短期投资和高风险投资不相容)
CF:过滤条件(缺乏理财经验的客户不应该接受高风险)
CPROD :产品;
3. 关联分析
相关文章推荐
- smarty基础
- bzoj1500维修序列(splay)
- Openstack并行性能加速
- LateX正文与首页页眉线分别为单双线的设置方法
- mysql 主键 外键
- 平衡搜索树之AVLTree
- rxjava多线程切换
- 浅析C语言中的setjmp与longjmp函数
- Rxjava操作步骤
- C语言alarm()函数:设置信号传送闹钟
- Linux 定时器alarm()
- Positive Negative Sign<大水题>
- 2.Ubuntu 9.10 下如何使用笔记本摄像头以及虚拟摄像头vivi的测试
- mysql处理高并发,防止库存超卖
- SSH遇见的问题
- PAT1010
- alarm() (闹钟函数)
- centos 7 nginx+uwsgi+flask 环境搭建
- raise()
- HDU 5701 中位数计数