混合推荐系统

概述

混合推荐系统（Hybrid Recommender Systems）是将多种推荐技术（如基于内容的过滤和协同过滤）有机结合的推荐范式，通过互补各方法的优劣来提升推荐质量，是工业界推荐系统的主流实践。

关键内容

1. 起源：Tapestry 系统 从一开始就将基于内容的过滤和协同过滤结合使用，而非将它们视为对立面。用户可在同一 TQL 查询中同时使用基于内容的条件和基于标注的条件，这是混合过滤思想的雏形。

2. 混合策略：

3. 加权混合：多种推荐方法的结果加权融合
4. 切换混合：根据场景选择最合适的单一方法（如冷启动时用基于内容的方法）
5. 级联混合：一种方法粗筛，另一种方法精排

6. 特征混合：将一种方法的输出作为另一种方法的输入特征

7. 工业实践：Netflix、YouTube、TikTok 等主流推荐系统无一不是同时使用内容特征（物品属性、文本、图像）和用户行为信号（点击、评分、观看时长）的混合系统。

8. 优势：

9. 缓解冷启动问题
10. 提高推荐的多样性和准确性
11. 降低单一方法的系统性偏差

来源

• Tapestry 系统 — Goldberg et al. (1992), CACM 35(12), 61-70

相关

• 协同过滤 — 混合推荐系统的核心组件之一
• 基于内容的过滤 — 混合推荐系统的核心组件之一
• Tapestry 系统 — 混合过滤思想的先驱