一站式數據分析平臺

ABI（ALL in one BI）是億信華辰歷經19年匠心打造的國產化BI工具，技術自主可控。它打通從數據接入、到數據建模與處理、再到數據分析與挖掘整個數據應用全鏈路，可滿足企業經營中各類復雜的分析需求，幫助企業實現高效數字化轉型。

在線免費試用 DEMO體驗視頻介紹

億信ABI

一站式數據分析平臺

億信華辰深耕商業智能十多年，
打造一體化的填報、處理、可視化平臺。

免費試用產品詳情

深度解析數據挖掘在推薦系統中的應用

時間：2021-01-13來源：頭條瀏覽數：665次

在移動互聯網時代, 我們會接收到很多由推薦系統推薦過來的信息。比如在逛淘寶、京東時，你會看到“猜你喜歡”這樣的推薦商品；刷今日頭條、抖音時會首選看推薦的新聞、短視頻，接收來自推薦系統的信息似乎已經成了一種習慣。實際上，在構建推薦系統的過程中會用到大量的數據挖掘算法。

首先，來說下數據挖掘中的聚類分析。
推薦系統里用的最多的協同過濾算法，實際上就是數據挖掘里的聚類算法。協同過濾的原理分為兩種，一種是基于用戶的協同過濾，就是找到與用戶A興趣相識的用戶B，然后將用戶B看過的物品推薦給用戶A。從數據挖掘的角度來說，這就是在對用戶進行聚類，將用戶行為作為用戶的特征，使用聚類算法進行聚類，找到屬于同一類的用戶A和B，這樣就能將B用戶看過的物品推薦給用戶A。

另外一種是基于物品的協同過濾，就是計算物品之間的相識性。如果用戶看過物品A，那么就將和物品A最相似的幾個物品B、C等推薦給用戶。從聚類的角度來說，本質還是一樣的，用物品的特征數據進行聚類，找到同類的物品A、B、C等，就可以向看過物品A的用戶推薦B、C等。所以說，完全可以從聚類分析角度來理解協同過濾。

聚類模型

其次，分類算法在推薦系統中的應用也很多。
從根本上來說說，推薦系統就是在預測一個物品用戶會不會感興趣。感興趣或者不感興趣，這實際上就是一個二分類問題。推薦系統使用的預測模型，就是數據挖掘中的分類模型。當然，推薦系統不會對用戶把每一個物品都預測，首先會根據用戶標簽和內容標簽，找回一個數量較小的內容集合，然后再使用預測模型進行預測。實際上再構建用戶標簽和內容標簽時，也會用到分類或者聚類，對用戶和內容的數量都是非常大的，不可能人工完成打標簽的工作，都是形成分類模型或者聚類模型，實現自動打標簽。

分類模型（決策樹）

最后說一下回歸分析。
在推薦系統中會借助點擊率、停留時間、轉發量等指標來評估內容的優劣，提取內容的特征，分析內容和這些評估指標之間的關系，就可以得到對內容評分的回歸模型，這樣就可以過濾掉評分較差的內容，提高推薦效率。

回歸模型
可以說，推薦系統就是數據挖掘理論的有效實踐。隨著大家對數據挖掘理解的加深，把數據挖掘的思想帶入到各個業務場景中，數據挖掘會有更加廣闊的應用前景。億信華辰數據挖掘平臺豌豆DM提供涵蓋分類、回歸、聚類、關聯規則以及時間序列等五大類、十余個小類的核心數據挖掘算法，同時支持擴展數據挖掘算法，讓用戶能夠快速找到與業務更為貼合的數據挖掘模型。有了豌豆DM，可以深入洞察企業數據規律，充分挖掘數據潛在價值。

（部分內容來源網絡，如有侵權請聯系刪除）

立即申請數據分析/數據治理產品免費試用我要試用

上一篇：《中國統計年鑒2020》可視化報告新鮮出爐，無學習成本5秒上手...

下一篇：智慧校園怎么建？校情分析系統來幫忙 ...