贝叶斯定理的思想出现在18世纪，但真正大规模派上用途还得等到计算机的出现。因为这个定理需要大规模的数据计算推理才能凸显效果，它在很多计算机应用领域中都大有作为，如自然语言处理，机器学习，推荐系统，图像识别，博弈论等等。本文先介绍贝叶斯定义，然后对定义进行解释，再通过一些列子的分析，力图让贝叶斯定理通...
分类：
其他好文 时间：
2014-10-22 08:44:06
阅读次数：
308
这篇论文比较短，正如题目所说，主要还是简单地介绍了一下推荐系统的一些算法以及评估的方法。 推荐系统之前是基于关键字信息的过滤系统，后来发展成为协同过滤系统，解决了两个问题：1、通过人工审核去评价那些具有大量关键字的文档；2、基于人们的品味去过滤一些非文本文件，如音乐。 之后，推荐系统研究领域出现了分...
分类：
其他好文 时间：
2014-10-18 16:52:59
阅读次数：
236
在推荐系统简介中，我们给出了推荐系统的一般框架。很明显，推荐方法是整个推荐系统中最核心、最关键的部分，很大程度上决定了推荐系统性能的优劣。目前，主要的推荐方法包括：基于内容推荐、协同过滤推荐、基于...
分类：
编程语言 时间：
2014-10-15 23:11:11
阅读次数：
471
参考周涛的几篇二部图的文章做的实验文章列表：1，2007PRE Bipartite network projection and personal recommendation.pdf (网络结构)2,2010PNAS-Solving the apparent diversity-accuracy ...
分类：
其他好文 时间：
2014-10-13 21:28:37
阅读次数：
640
整理了一下最近对协同过滤推荐算法中的皮尔森相似度计算，顺带学习了下R语言的简单使用，也复习了概率统计知识。一、概率论和统计学概念复习1）期望值（Expected Value）因为这里每个数都是等概率的，所以就当做是数组或向量中所有元素的平均数吧。可以使用R语言中函数mean()。2）方差（Variance）方差分为population variance总体方差和sample variance样本方...
分类：
编程语言 时间：
2014-10-12 16:35:38
阅读次数：
1714
基于item的推荐是常用并且高效的一种推荐方式，最重要的是它可以做实事推荐。...
分类：
编程语言 时间：
2014-10-11 14:41:25
阅读次数：
337
使用用户打标签次数*物品打标签次数做乘积的算法虽然简单，但是会造成热门物品推荐的情况。物品标签的权重是物品打过该标签的次数，用户标签的权重是用户使用过该标签的次数，从而导致个性化的推荐降低，而造成热门推荐。
运用TF-IDF的思想可以对算法进行改进。TF-IDF（term frequemcy-inverse documnet frequency）是一种用于资讯检索和文本挖掘的加权技术。用来评估一...
分类：
其他好文 时间：
2014-10-09 01:49:57
阅读次数：
250
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。
1 什么是协同过滤
协同过滤是利用集体智慧的一个典型方法。要理解什么是协同过滤 (Collaborative Filtering, 简称 CF)，首先想一个简单的问题，如果你现在想看个电影，但你不知道具体看哪部，你会怎么做？大部分的人会问问周围的朋友，看看最近有什么好看的电...
分类：
其他好文 时间：
2014-10-08 17:49:15
阅读次数：
232
论文内容：1）首先，作者提出了一个有价值的问题：给出租车司机推荐能够以最少代价载到客人的路线2）其次，问题的新颖性是，以前都是推荐分散的点，本论文是推荐路线，可以说提供的位置服务更进一步3）然后，指出该问题的两个子问题：a)如何计算每条路段的收益b)如何从复杂的路段中找到最优路段4）接着，对第一个子...
分类：
其他好文 时间：
2014-10-06 11:09:50
阅读次数：
195
Apache Mahout项目主要包括以下五个部分：
频繁模式挖掘：挖掘数据中频繁出现的项集。
聚类：将诸如文本、文档之类的数据分成局部相关的组。
分类：利用已经存在的分类文档训练分类器，对未分类的文档进行分类。
推荐引擎(协同过滤)：获得用户的行为并从中发现用户可能喜欢的事务。
频繁子项挖掘：利用一个项集(查询记录或购物目录)去识别经常一起出现的项目。
在Maho...
分类：
其他好文 时间：
2014-10-06 00:55:49
阅读次数：
346
