推荐算法 目前主流的推荐算法主要包含内容关联算法, 协同过滤算法。 内容关联算法(Content-Based) CB算法的原理是将一个item的基本属性, 内容等信息提取出来, 抽成一个taglist, 为每个tag赋一个权重。 剩下的事情就跟一个搜索引擎非常类似了, 将所有item对应的tagli ...
分类：
编程语言 时间：
2018-08-18 13:53:02
阅读次数：
231
Apache Mahout之协同过滤原理与实践 读书时期，选课是令人怀念的，因为自由，学生可以挑选自己喜爱的课程和老师！然而，过程并不是很美好，“系统繁忙，稍后重试！”屡有发生，于是大伙开心地约定今夜不战不休。西门的七彩路，和网吧名一样，我们从门口路过，进的却是右旁的可媛。这里网页同样坚持“系统繁忙 ...
分类：
Web程序 时间：
2018-08-10 11:40:48
阅读次数：
214
（一）推荐引擎用例 京东、淘宝根据客户的购买历史来推荐； 爱奇艺、乐视根据向用户推荐电影； （二）推荐算法 基于关系规则推荐：用户A经常同时购买了哪些商品，分析这些商品的关联规则，则用户B购买其中某一商品，可推荐其它商品； 基于内容推荐：用户喜欢A电影，B电影和A属于同一类型，比如爱情片，则该用户还 ...
分类：
其他好文 时间：
2018-08-10 01:33:16
阅读次数：
178
最近天气有点热，三伏天得了空调病，最后发现是颈椎引起的问题，期间还拔了颗顽固的智齿，也算是一波三折了。 这次介绍 Item(User)相似度 的计算方法，其广泛运用于基于邻域的协同过滤算法的推荐系统。简而言之，基于邻域，就是基于相邻的元素进行推荐，而相邻元素的得到过程就是相似度的计算过程。 对于空间 ...
分类：
其他好文 时间：
2018-08-09 13:48:05
阅读次数：
1726
https://www.cnblogs.com/pinard/p/6351319.html 在协同过滤推荐算法总结中，我们讲到了用矩阵分解做协同过滤是广泛使用的方法，这里就对矩阵分解在协同过滤推荐算法中的应用做一个总结。(过年前最后一篇！祝大家新年快乐！明年的目标是写120篇机器学习，深度学习和NL ...
分类：
编程语言 时间：
2018-07-31 22:00:35
阅读次数：
203
推荐算法：找到相似的用户 优点：计算快，在数据完整的情况下效果最好 解决用户打分标准不同的问题（分数膨胀） 稀疏性：大多数推荐系统中，物品数量要远大于用户数量，因此用户对一个小部分物品评价对于大量数据而言就很难找到俩个相似的用户了，这就造成了数据的稀疏性 9.基于物品的协同过滤（列与列之间的）：通过 ...
分类：
编程语言 时间：
2018-07-26 18:42:47
阅读次数：
200
协同过滤是通过将用户和其他用户和的数据进行对比来实现推荐。 我们不利用专家所给出的重要属性来描述物品从而计算他们之间的相似度，而是利用用户对他们的意见来计算相似度，这就是协同过滤中所使用的方法。它不关心物品的描述属性，而是严格的按照许多用户的观点来计算相似度。 相似度的度量一种是欧式距离，一种是皮尔 ...
分类：
编程语言 时间：
2018-07-24 21:15:26
阅读次数：
171
在矩阵分解在协同过滤推荐算法中的应用中，我们讨论过像funkSVD之类的矩阵分解方法如何用于推荐。今天我们讲另一种在实际产品中用的比较多的推荐算法:贝叶斯个性化排序(Bayesian Personalized Ranking, 以下简称BPR)，它也用到了矩阵分解，但是和funkSVD家族却有很多不 ...
分类：
编程语言 时间：
2018-06-03 17:27:51
阅读次数：
259
协同过滤推荐基于用户的最近邻推荐思想：给定一个评分数据集以及当前（活跃）用户ID作为输入，找出与当前用户过去有相似偏好的其他用户，这些用户有时被称为对等用户或者最近邻；然后，对当前用户没见过的每个商品p，利用其近邻对p的评分计算预测值。潜在假设：（1）如果用户过去有相似的偏好，那么他们未来也会有相似... ...
分类：
其他好文 时间：
2018-05-27 23:43:06
阅读次数：
173
