发展基于约束的推荐

发展基于约束的推荐(中文5000字,英文PDF)
6.1简介
传统的推荐方法（基于内容的过滤[48]和协作过滤[40]）非常适合推荐质量和品味产品，如书籍，电影或新闻。但是，特别是在诸如汽车，电脑，公寓或金融服务等产品的背景下，这些方法并不是最好的选择（另见第11章）。例如，公寓不是很频繁地购买，这使得为一个特定的项目收集大量的评级是不可行的（合作推荐算法需要这样的评级）。此外，推荐者应用程序的用户将不满足基于多年的项目偏好的建议（在这种情况下，内容的过滤算法恰恰会利用这种偏好）。通过利用明确的用户需求和深入的知识关于潜在的产品领域用于推荐的计算，基于知识的推荐方法有助于解决这些挑战。那些系统很大程度上关注不被协同过滤和基于内容的过滤方法所利用的知识源。同协同过滤和基于内容的过滤相比，基于知识的推荐没有冷启动问题因为需求是直接在推荐的会期中所提出的。但是，有优点也就有缺点，基于知识的推荐受限于所谓的知识获取瓶颈从某种意义上工程师必须努力把领域专家所拥有的知识转化为形式的，可执行的表示。