推荐系统----豆瓣

看到最近有人的总结，http://www.cnblogs.com/breezedeus/

系统看了一下豆瓣的几个推荐系统

豆瓣图书推荐，这个是我一直觉得很不确定的地方，我感觉他们应该是用的item-based cf，但是有时候又觉得吧，通过user-based也能给我推荐，因为我的好友里确实有人看类似的书目。豆瓣实际上是怎么做的呢？

content-based + weight-cf

也就是说，先把item按照content，这个豆瓣有很好的数据库，就是用户给书的标签，对书进行归类，比如算法导论、数据结构等是一类书，归一一类，而明朝那些事儿、万历十五年等是一类，然后在类内利用cf进行推荐，然后把各个类产生的推荐结果加权重结合，就形成了最后的推荐结果。上个图片真麻烦啊……摘自其中的ppt，来自：http://vdisk.weibo.com/s/gNupb。

另外一个就是电影推荐：

在这里，豆瓣采用的是专家cf推荐，也就是说豆瓣认为，友邻的推荐效果其实比不上和你相关的专家的推荐有用。这个具体文章可以参考：The Wisdom of the Few

在这里分析了，专家给电影评分的数据的稀疏性、可靠性和稳定性，即专家给电影评分比较多、再者，专家的评分比较可靠和稳定，受到热门等因素的影响小。因此，在豆瓣推荐电影时，使用的是专家cf，而不是基于友邻等的推荐。具体可以参考豆瓣阿稳的博客，不过我只能快照打开，郁闷。

这个豆瓣在做音乐推荐时，也用到了吧。但是看到他们的PPT里，加入了算法调度器，根据用户实际的反馈，比如加红心或者放入垃圾筐等的操作，会对推荐系统进行调整。

就像一个ppt里看到的，公司里，是数据----->算法，调整参数+规则的过程，而学校里是算法1改进------>数据测试，算法2改进等的思路。所以，要提高自己的动手能力，解决实际问题的能力啊……