(3)浅析机器学习在推荐系统中的应用

如今主流推荐系统的重点由三个部分组成:有关物品检索，物品排序以及用户特征提取。用户特征通过用户特点，用户的购书记录，用户搜索的关键字，用户的评分收藏行为等方法进行获取。可以使用聚类的方式对用户特征进行降维。在取得用户的兴趣以后，推荐系统应该按照特点找到和用户有关的物品。通常根据倒排索引技术完成有关物品的检索。最具代表性的索引是“物品—物品”索引。在获得和用户有关的候选物品以后，就应该对候选物品实行排序。根据候选物品特点以及用户特点，得出用户对物品的预估点击率，然后把候选物品依照点击率进行排序。