1分钟了解基于内容的推荐,pm又懂了

发布于 2022年 04月 29日 17:58

前天的《1分钟了解“协同过滤”》,很多同学点了赞,今天接着用通俗的语言说说“基于内容的推荐”,也保证pm弄懂。

 

什么是基于内容的推荐(Content-based Recommendation)?

:通过用户历史感兴趣的信息,抽象信息内容共性,根据内容共性推荐其他信息。

 

比如,如何通过基于内容的推荐,来对求职者A进行职位推荐?

:简要步骤如下

  • 找到用户A历史感兴趣的职位集合
  • 找到职位集合的具化内容
  • 抽象具化内容的共性内容
  • 由这些共性内容查找其他职位,并实施推荐

 

具体实施步骤如何?

:简要步骤如下

(1)得到求职者A访问过三个职位,假设分别是{zw1, zw2, zw3},这些数据可以从历史日志得到。

 

(2)由职位集合得到职位具化内容

zw1 -> {程序员, 北京, 月薪8000, 3年经验, 本科}

zw2 -> {程序员, 北京, 月薪6000, NULL, 研究生}

zw3 -> {程序员, 北京, 月薪6000, 5年经验, NULL}

这些数据可以从职位数据库里得到。

 

(3)由职位具化内容抽象出职位共性信息

例如,由上述职位1,职位2,职位3抽象出的共性职位信息为:

{程序员, 北京, 月薪6000+, NULL, NULL}

 

(4)由这些共性内容查找其他职位并实施推荐

以{程序员, 北京, 月薪6000+, NULL, NULL}为查询条件,查询职位数据库,并按照一些规则进行排序(例如,最新发布的职位先推荐,点击过的职位不推荐等),完成推荐。

 

如果查询的结果集过小,可以缩小条件召回,例如可以将查询条件缩小为{程序员, 北京, 月薪3000+, NULL, NULL}

 

基于内容的推荐,原理如上,希望这1分钟,大家能有收获。

人肉推荐:

1分钟了解协同过滤,pm都懂了

协同过滤,以及基于内容的推荐,都需要用户的历史日志信息,如果没有历史日志信息,如何对用户进行推荐呢? 静候下一个1分钟。

推荐文章