推荐算法
文章平均质量分 87
下一步
长期关注NLPMLCLinux等
展开
-
【每周一文】Collaborative Filtering for Implicit Feedback Datasets(2008)
概述 协同过滤(Collaborative Filtering)是推荐领域非常重要的算法策略,由于它的领域无关性,应用非常广泛。本文解决的一个问题是:在训练数据集合中,只有用户的隐式反馈,例如用户的浏览行为、收藏行为等,没有用户直接打分行为;即只有用户偏好行为,对于用户不喜欢的商品没有数据支持;基于以上数据本文提出一种隐式因子模型(Factor Model)解决该问题,并给出优化求解。原创 2016-03-15 23:46:43 · 4501 阅读 · 0 评论 -
【每周一文】Factorization Meets the Neighborhood:a Multifaceted Collaborative Filtering Model
概述 在推荐系统中,协同过滤(CF:Collaborative Filtering)算法由于其领域无关性以及比较好的推荐效果被广泛使用; CF模型比较常用的包括最近邻方法和因子分解算法,由于这两种算法各有优缺点;该文提出了一种策略将这两种方法进行综合建模,并且可以适用于隐式反馈数据。已有模型最近邻方法CF常用的有user_based和item_based两个模型,后原创 2016-03-15 23:48:36 · 4382 阅读 · 0 评论 -
【每周一文】Googles News Personalization:Scalable Online Collaborative Filtering(2007)
概述最近因工作需要调研一下对大规模数据如何进行有效用户聚类,发现google之前论文做过相关事情。 该文从工程实现角度介绍了一种通用的在线推荐架构,可以适用于大规模数据和实时推荐。该文提到模型通过三种方式进行推荐1)MinHash 聚类2)PLSI 3)共现问题问题:根据用户对页面的点击历史进行个性化推荐。 和Netfix电影推荐的主要不同是 1)用户点击行为噪声比较多原创 2016-03-15 23:50:13 · 1473 阅读 · 1 评论