推荐系统
文章平均质量分 72
zyvscc
这个作者很懒,什么都没留下…
展开
-
交叉推荐
对于消费者而言,面对海量的商品该如何才能挑选出自己喜欢的东西,用关键词搜索?还是听朋友推荐?而对商家来说,在提升用户购物体验的同时又要提升销量,这是个难题。 日前,在第7届全国复杂网络学术会议上,国内最专业的推荐引擎技术服务商百分点科技的CEO柏林森表示,跨网站商品交叉推荐,是解决消费者选择问题、提升其网络购物体验,并帮助电商企业极大提升销售额的最佳技术。 随着电子商务的蓬勃转载 2012-05-18 11:09:21 · 1992 阅读 · 0 评论 -
推荐系统中对数据的需求和利用
推荐系统这个工具作用的是web服务所积累的海量用户数据。(1)协同过滤中用到的用户的评分,用户的评论,用户的态度,用户产生的可以表达其态度的行为(比如用户购买了一件商品,再深入一些地,通过分析服务器日志中的信息,像用户浏览页面时长,滚动条的动作等等很细微的行为来了解用户对web服务的态度。),通过这些数据,推荐系统才可以计算用户之间的相似度,实现帮助用户找到品位相同的人的功能;才可以计算ite转载 2012-05-11 09:16:03 · 1167 阅读 · 0 评论 -
推荐系统论文分类推荐
1、研究twitter的paper http://reculike.com/site/search.php?query=twitter2、研究facebook的paper http://reculike.com/site/search.php?query=facebook3、研究社交网络给用户推荐好友算法的paper http://reculike.com/转载 2012-05-11 09:02:50 · 2425 阅读 · 0 评论 -
将多层相似性度量应用在推荐系统kNN算法中
不管LFM算法(Latent Factor Model)的效果有多么出众,现在广泛使用的算法还是经典的kNN Collaborative Filtering。但是在单使用评分作为评判user或者item相似度的基础数据时,会遇到一个问题。就是所谓的“相似不相同”。往往这种情况很多,假设A用户喜欢射雕英雄传,B用户喜欢天龙八部,如果是在单单使用用户的评分作相似度计算时,可能会因为这两个没有共同的转载 2012-05-11 08:25:26 · 2572 阅读 · 1 评论 -
矩阵分解在推荐系统中的应用
矩阵分解是最近几年比较火的算法,经过kddcup和netflix比赛的多人多次检验,矩阵分解可以带来更好的结果,而且可以充分地考虑各种因素的影响,有非常好的扩展性,因为要考虑多种因素的综合作用,往往需要构造cost function来将矩阵分解问题转化为优化问题,根据要考虑的因素为优化问题添加constraints,然后通过迭代的方法进行矩阵分解,原来评分矩阵中的missing vlaue可以通过转载 2012-05-09 22:04:01 · 17235 阅读 · 4 评论 -
推荐系统应用---音乐类
音乐,人类的灵魂,只有懂得音乐的人才懂得生活。 每个人都离不开音乐这个东西,你可能不喜欢唱歌,但一定不会不喜欢听歌,尤其是那些美妙的音乐。如今,有非常非常多的音乐流派和音乐人,不同音乐流派的音乐风格自然很不相同,而同一种音乐流派中不同的音乐人因为对音乐的理解不同也会有不同的音乐风格。那么,如何准确地找到你所喜欢的音乐,准确地挖掘你可能会喜欢的音乐呢?答曰:推荐系统。在这里,可能转载 2012-05-09 22:09:41 · 3773 阅读 · 1 评论 -
推荐系统评价标准
当你的推荐系统搭建完毕之后,你最想了解的可能就是这个系统的效果如何?对于电商系统来说,推荐系统能够带来多大的转化率?对于提供音乐、电影、资讯服务的网站来说,推荐系统推荐给用户的东西有多少是用户真正喜欢的,并且使用了的?如果一个智能系统的智能程度很弱的话,对于工业界来说,完全可以不用智能系统。假象你推荐给用户的东西效果很差的话,还不如推荐给用户一些比较hot的东西。那么,如何来评价一个推荐系转载 2012-05-09 22:01:29 · 11111 阅读 · 2 评论 -
推荐系统应用---电影类
假设MovieRecommendation.com是一个为互联网用户提供电影推荐的网站(下面成为MR),这个网站只提供电影的链接而不提供电影的内容展示。(这个是和hulu,土豆等一些视频网站不同的地方)在开始介绍整个网站之前,我们先假设我们拥有丰富的数据源,和许多正版的数据提供商有合作关系。这个网站和推荐系统有关的包括以下几个部分:1、数据仓库搭建数据仓库的作用就是为了方便网站转载 2012-05-09 21:22:28 · 4708 阅读 · 3 评论 -
一些推荐系统包的推荐
下面是一些开源的推荐系统的包,希望对大家有用。1、http://lenskit.grouplens.org/2、http://easyrec.org/3、http://savannah.nongnu.org/4、http://glaros.dtc.umn.edu/gkhome/software5、http://mahout.apache.org/6、http://www.i转载 2012-05-09 22:10:31 · 1538 阅读 · 0 评论 -
推荐算法分类
1、Item based collective filtering总结:物以类聚很多网站的核心算法之一原因:item的增长速度远小于user的增长速度方法:离线计算item的相似度矩阵供线上使用缺点:由于基于item的相似性,故推荐的item相似,缺乏多样性 2、user based collective filtering总结:人以群分找和用户有相同品味的其他转载 2012-05-09 21:17:18 · 11765 阅读 · 1 评论 -
推荐系统相关技术
推荐算法是推荐系统的核心,但为了产生精确而且有效的推荐,越来越多的技术融合到推荐系统的研究中,然后提出各种不同的推荐算法。目前在推荐系统中应用的核心技术包括:(1)信息检索技术(IR)推荐系统根据用户需求,搜索产品类别数据库,然后返回用户需要的信息,其搜索过程可以实时进行,也可以定期执行,同时推荐系统提供的推荐界面既可以基于传统的关键字查询,也可以基于动态查询接口。 (2)信息过滤转载 2012-05-09 22:00:26 · 1706 阅读 · 0 评论 -
混合推荐总结
混合推荐系统是推荐系统的另一个研究热点,它是指将多种推荐技术进行混合相互弥补缺点,从而可以获得更好的推荐效果。最常见的是将协同过滤技术和其他技术相结合,克服cold start的问题。(1)加权型就是将多种推荐技术的计算结果加权混合产生推荐。最简单的方式是线性混合,首先将协同过滤的推荐结果和基于内容的推荐结果赋予相同的权重值,然后比较用户对项的评价与系统的预测是否相符,然后转载 2012-05-09 21:55:06 · 2379 阅读 · 0 评论 -
推荐系统应用---新闻资讯类
很久很久以前,大家获取信息的渠道可能就是读书,听广播,看报纸,看电视等等,可以获得的信息也非常少。然而当今的社会,我们整天都会发愁从无数的巨大的永远都不可能看完的信息中很轻松地找到需要的信息,也就是说“信息过载”的问题十分严重。我们每天都会看一些新闻,关注一些社会热点。当然你可以在围脖上看到很多大家炒的很热的话题,但很多人更愿意看的是新闻和评论。在本文中,我想虚构出一家提供新闻资讯的网站,转载 2012-05-09 21:46:18 · 2515 阅读 · 0 评论 -
ibm推荐系统网站
http://www.ibm.com/developerworks/cn/web/1103_zhaoct_recommstudy1/index.html?ca=drs-http://www.ibm.com/developerworks/cn/web/1103_zhaoct_recommstudy1/index.html?ca=drs-http://www.ibm.com/developer转载 2012-04-22 14:40:21 · 1003 阅读 · 0 评论 -
国内外推荐系统应用总结
1、商城系统:说起商城系统,甚至说起推荐系统,当然会首推Amazon,Amazon是国内外做推荐系统起步最早的一批公司,而且现在是做的最好的。当你进入首页后,你会看到系统根据你的历史行为为你推荐了丰富的商品,看到如此好的一个导购员,你怎么会忍住不买东西呢?呵呵。国内的大的商城系统都有自己的推荐系统和做推荐系统的研发团队。这里想特别想说的是,国内有一家公司专门为商城系统提供专业化的推荐引转载 2012-04-22 14:34:04 · 7978 阅读 · 2 评论 -
基于物品的CF
1.将所有用户对某个物品的偏好作为一个向量来计算物品的相似度。2.找该物品的相似物。3.根据用户历史的偏好,预测用户没有涉及的物品的偏好,计算推荐列表推荐之。原创 2012-04-26 15:15:05 · 577 阅读 · 0 评论 -
基于用户的CF
1.将一个用户对于所有物品的偏好作为一个向量2.计算和其他用户的相似度,找到N个邻居3.根据邻居的相似度权重和他们对物品的偏好,向用户推荐未知物品,计算一个推荐列表原创 2012-04-26 15:06:08 · 971 阅读 · 0 评论 -
个性化推荐猜你心
个性化推荐猜你心个性化推荐已悄无声息地成为网站拉拢用户的必备利器。 MONEY+记者|王茹芳 Dr. S,喜欢研究各种商家策略,精通公司和品牌吸引顾客的各种门道。他非常乐意带你去揭开生活中的商业秘密,然后为你提供建议,有时还会发你些信息bonus。所以,如果你有疑惑,尽管给他发邮件吧—dr.secret@yicai.com。 亚马逊中国对个性化推荐系统守口如瓶,哪怕转载 2012-05-18 11:11:10 · 2127 阅读 · 0 评论