目前，主要的推荐方法包括：基于内容的推荐、协同过滤推荐、基于关联规则的推荐、基于效用的推荐、基于知识的推荐和组合推荐。 基于内容的推荐 基于内容的推荐（Content-based Recommendation）是信息过滤技术的延续与发展，它是建立在项目的内容信息上作出推荐的，而不需要依据用户对项目的 ...
分类：
编程语言 时间：
2017-04-01 01:04:15
阅读次数：
199
在现今的推荐技术和算法中，最被大家广泛认可和采用的就是基于协同过滤的推荐方法。本文将带你深入了解协同过滤的秘密。下面直接进入正题. 1. 什么是推荐算法 推荐算法最早在1992年就提出来了，但是火起来实际上是最近这些年的事情，因为互联网的爆发，有了更大的数据量可以供我们使用，推荐算法才有了很大的用武 ...
分类：
编程语言 时间：
2017-03-25 16:34:56
阅读次数：
366
2017年2月19日, 星期日 ItemCF_基于物品的协同过滤 1. 概念 <!--more--> 2. 原理 如何给用户推荐？ 给用户推荐他没有买过的物品--103 3. java代码实现思路 数据集： 第一步：构建物品的同现矩阵 第二步：构建用户的得分矩阵 第三步：同现矩阵*评分矩阵 第四步： ...
分类：
编程语言 时间：
2017-03-03 01:26:14
阅读次数：
1003
场景主要负责对用户意图的识别，对于场景的判断，需要结合用户的实时行为，来明确用户的意图是发散还是聚焦的，不同的场景采用不同的算法进行组装，比如在首页或者频道栏用户的目的性不是那么强，为了增加用户的粘性，可以基于标签分类的推荐、协同过滤、最新最热等的算法进行推荐。在用户浏览到某一应用的详情页，那么用户 ...
分类：
编程语言 时间：
2017-02-10 01:48:22
阅读次数：
220
在矩阵分解在协同过滤推荐算法中的应用中，我们对矩阵分解在推荐算法中的应用原理做了总结，这里我们就从实践的角度来用Spark学习矩阵分解推荐算法。 1. Spark推荐算法概述 在Spark MLlib中，推荐算法这块只实现了基于矩阵分解的协同过滤推荐算法。而基于的算法是FunkSVD算法，即将m个用 ...
分类：
编程语言 时间：
2017-02-04 16:18:47
阅读次数：
289
http://study.163.com/course/courseLearn.htm?courseId=1002887002#/learn/video?lessonId=1003387781&courseId=1002887002 可以用余弦相似度来计算两者的相似度。 如果两者关系为0，可以节省计 ...
分类：
其他好文 时间：
2017-02-03 14:32:25
阅读次数：
182
转自：http://www.ibm.com/developerworks/cn/web/1103_zhaoct_recommstudy2/index.html 本系列的第一篇为读者概要介绍了推荐引擎，下面几篇文章将深入介绍推荐引擎的相关算法，并帮助读者高效的实现这些算法。 在现今的推荐技术和算法中， ...
分类：
编程语言 时间：
2017-01-17 16:11:03
阅读次数：
255
总结：构建基于人的协同过滤模型，以自己的评价或者购买过的商品构建输入向量，计算与模型中其他人的的相似度，然后sum(相似度*评分)/sum(所有评价过此商品的人的相似度)来计算物品推荐值。 对于大规模的物品时，不可能对实时的为每个人计算相似度，然后进行物品的推荐，此时的做法是构建基于物品的协同过滤模 ...
分类：
其他好文 时间：
2017-01-07 10:50:53
阅读次数：
196
总的来说，信息爆炸，产生了信息过载。解决的方法主要有两类：检索和推荐。检索是主动的有目的的、意图明确，推荐是非主动的、意图不明确。 推荐方面最经典的，就是协同过滤推荐了。我博客这里有两篇，一篇偏理论，一篇讲ALS实战。 《协同过滤 CF & ALS 及在Spark上的实现》 《协同过滤 & Spar ...
分类：
编程语言 时间：
2017-01-07 01:27:34
阅读次数：
154
