- 博客(5)
- 收藏
- 关注
RSS订阅转载 主要的推荐算法简介
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、基于关联规则推荐、基于效用推荐、基于知识推荐和组合推荐。一、基于内容推荐基于内容的推荐（Content-basedRecommendation）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
2017-06-22 00:23:05
588
转载 Java中获得文件路径的几种方式
关于绝对路径和相对路径：绝对路径就是你的主页上的文件或目录在硬盘上真正的路径，(URL和物理路径)例如：C:xyz est.txt代表了test.txt文件的绝对路径。http://www.sun.com/index.htm也代表了一个URL绝对路径。相对路径：相对与某个基准目录的路径。包含Web的相对路径（HTML中的相对目录），例如：在Servlet中，”/”代表Web应用的跟目录。和物理路
2017-06-22 00:21:12
1366
转载 Slope one：简单高效的推荐算法
推荐系统最早在亚马逊的网站上应用，根据以往用户的购买行为，推荐出购买某种产品同时可能购买的其他产品，国内做的不错的当当网,有时候买书，它总能给我推荐出我感兴趣的其他书来，也算是技术极大的促进了销售。一般的协同过滤算法，首先是收集用户对事物（产品）的评分情况，一种直接对某本书，或者某个歌曲打分，另种是隐性的打分，比如商务系统中，购买了表示打2分，浏览了打1分，其他的0分。我比较看好隐性打分，因为直接打
2017-06-22 00:19:04
757
转载 基于物品的协同过滤推荐算法——读“Item-Based Collaborative Filtering Recommendation Algorithms”
原文地址：http://blog.csdn.net/huagong_adu/article/details/7362908最近参加KDD Cup 2012比赛，选了track1，做微博推荐的，找了推荐相关的论文学习。“Item-Based Collaborative Filtering Recommendation Algorithms”这篇是推荐领域比较经典的论文，现在很多流行的推荐算法都是在这篇
2017-06-21 08:22:55
449
转载 Lenskit备忘录 - Item-Based协同过滤推荐算法笔记
最近参与了一个项目，负责推荐算法的调查和提案。考察了几个流行的工具，最终选择了Lenskit。官网上的文档资源已经比较丰富了，但是为了满足项目需求很多内容需要解读源代码才能理解，所以觉得有必要把学习成果贡献出来，同时也为自己留下一份笔记，以备将来有需要时可以进行查阅。如果您通过阅读本文，得到了启发与收获，绝对是我的荣幸。Lenskit提供了四种协同过滤算法的实现，Item-Based，User-B
2017-06-21 08:20:28
1116
1
空空如也
空空如也
TA创建的收藏夹 TA关注的收藏夹
TA关注的人