※ 引述《qddcynthia (温暖的大手)》之铭言： : 之前面试时遇到的一个假设性问题： : 公司Ａ的有POS, CRM等系统，想要导入公司Ｂ的即时推荐系统．如果是你公司Ｂ的 : 技术经理。把公司Ａ的资料复制到Ｂ公司准备好的云端系统之前，你会想要先跟 : Ａ公司确认哪些东西？ 如果非单纯资料迁移，而是从推荐系统的角度来回答这个问题。 一个完整的推荐系统由三个部分组成： 1.行为纪录模组：负责纪录使用者行为 2.模型分析模组：负责分析使用者行为，以建立合适的模型来描述其偏好 3.推荐演算法模组：负责即时从项目集合中筛选出使用者偏好项目进行推荐，又可以分为 ： A.协同过滤（Collaborative Filtering）：搜寻一大群人，从中找到与我们品味相近的一 小群人；演算法会针对这些人偏好的其他内容进行计算，产生一个有序的推荐清单。可再 细分为基於使用者（User-based）或基於项目(Item-based)。 B.基於内容（Content-based）：不需要依赖使用者对项目的评价，而是依据使用者已经选 择的项目内容计算使用者之间的相似度。 C.混合法（Hybrid Approaches）：择优汰劣，结合以上两种方法，可再细分为独立系统 相互结合，或协同过滤系统加入基於内容法。 协同过滤法又可以分为两类： 1.基於记忆（Memory-based）：根据系统中所有被评分的项目，得到使用者行为模型进行 预测。 2.基於模型（Model-based）：根据收集评分资料进行机器学习，得到使用者行为模型进 行预测。 推荐系统有三个典型的问题： 1.冷启动（Cold Start）：如何对新使用者进行推荐或如何推荐新项目给使用者。 2.稀疏性（Sparsity）：在任何推荐系统中，已经评分的项目通常比需要推荐的项目数量 少很多，而导致精确度低落之问题。 3.可扩展性（Scalability）：面对日益增多的使用者，资料量急剧增加之问题。 ------ 基於上述内容，公司A的技术经理必须跟公司B确认： 1.在行为纪录模组中，必须确认公司A提供的资料库中，可用的使用者行为有哪些，例如 ：评分、购买或浏览等。 2.在推荐演算法模组中，必须确认公司A想推荐的项目，适合采用协同过滤，或是基於内 容法： 音乐、餐厅和电影：难以进行内容分析的项目，重视推荐新资讯，及发现使用者潜在偏 好等能力，适合采用协同过滤法。 电子邮件及新闻：文本结构化、容易进行内容分析的项目，没有使用者对项目的评分， 适合采用基於内容法。 3.在冷启动问题中，必须确认公司A是否想对新使用者进行推荐，或是推荐新项目给使用 者及推荐非流行项目，并对为什麽推荐这些项目有深入了解的需求，若是则建议采用基於 内容法。 4.在稀疏性问题中，必须确认公司A提供的资料库中，被使用的项目是否比需要推荐的项 目少很多，若是则建议采用基於内容法。 5.在可扩展性问题中，必须确认公司A提供的资料库中，是否会因使用者日益增多，导致资 料量急遽增加，若会则建议采用基於项目相似度的协同过滤法或基於内容法，应避免使用 基於使用者相似度的协同过滤法，避免复杂度过高。 --

※ 发信站: 批踢踢实业坊(ptt.cc), 来自: 114.44.53.172 ※ 文章网址: https://webptt.com/cn.aspx?n=bbs/Soft_Job/M.1549675420.A.A86.html ※ 编辑: lion741205 (114.44.53.172), 02/09/2019 10:14:41