- 博客(11)
- 收藏
- 关注
RSS订阅原创 记一次Latexdiff无法换行的修复过程
本文旨在记录如何解决latexdiff无法换行的修复教程.此博客当中提供的方法也可用于解决ulem包的生成的下划线, 在中文模板当中无法换行的问题如果你不想看问题产生的原因可以直接跳到最后的解决方案。
2023-09-01 11:08:34
606
1
原创 slope One Predictors for Online Rating-Based Collaborative Filtering阅读笔记
自用阅读笔记,可能理解有误
2023-02-22 10:23:46
89
原创 任务8 使用Word2Vec进行推荐
任务8 使用Word2Vec进行推荐1. 原理我们有了用户的embedding很容易就可以利用这些embedding来计算用户的相似度. 有了用户的相似度, 我们接下来就可以使用前面任务4的一些函数来直接进行推荐2. 代码实现导入相关的包, 有些包是自己手动实现的, 详情见之前的博客import numpy as npimport pandas as pdimport matplotlib.pyplot as pltimport torchimport Metircfrom utils
2022-04-30 17:25:02
430
原创 任务7 使用Word2Vec对用户进行聚类
任务7 使用Word2Vec对用户进行聚类文章核心思想参考了这篇文章1. 算法思想Word2Vec的算法原理和过程就不多说了, 网上的资料很多. 下面谈谈怎么把Word2Vec运用到推荐系统领域首先让我们回顾一下, Word2Vec的最核心的思想是什么如果两个单词总是出现在同一个上下文当中, 那么这两个单词就极有可能在语义上是相似的问题来了, 如果我们要将Word2Vec运用到推荐系统的领域. 那么必须要解决下面两个问题"上下文"是什么"单词"是什么先来回答第二个问题, 不难理解"
2022-04-30 17:04:30
609
1
原创 任务6 Slope one 推荐算法简单实现
任务6 Slope one 推荐算法简单实现1. 算法原理算法原理见这篇博客, 这篇博客写的还不错. 我只是实现了最基本的版本Slope One算法基本原理2. 代码实现导入相关的包import numpy as npimport pandas as pdimport matplotlib.pyplot as pltimport torchfrom tqdm import tqdm下面这几个包是我自己手动实现的, 在之前的博客里面有具体的代码import Metircfrom u
2022-04-30 15:52:53
192
原创 任务5 SVD分解推荐
任务5 SVD分解的推荐应用SVD原理可以参考其他博客, 我觉得svd实际上是利用矩阵分解来获取得到用户和物品的embeddding. 然后利用这些embedding来计算相似度进行推荐(这里用的是余弦相似度)1. 代码实现1. 相关类的定义class CFModel(nn.Module): ''' 类描述: 用pytorch写的一个协同过滤函数，基于矩阵分解来实现的 成员变量: users: int类型
2022-04-30 11:00:34
277
原创 任务4 usercf
任务4推荐的指标的计算1. 召回率def recall(y_pred, y_true): """计算召回率 Args: y_pred (tensor): 每一行,都对应着给用户推荐的物品的序号(从0开始) y_true (tensor): 真实的测试集 Returns: float: 所有用户的召回率的均值 """ y_pred = torch.scatter(input=torch.zeros_like(y_true), d
2022-04-29 22:48:40
378
原创 任务3 实现用户和物品的相似性计算
任务3 实现用户和物品的相似性计算根据协同过滤基础资料当中的相似度的定义，主要有以下几种。由于下面三种相似度的计算涉及到大量的矩阵运算，我采用了pytorch来实现。物品和用户计算相似度其实是一样的，只需要将打分矩阵转置一下即可。下面我就只以用户相似度的计算为例1. 杰卡德(Jaccard)相似系数定义这个是衡量两个集合的相似度一种指标。两个用户uuu和vvv交互商品交集的数量占这两个用户交互商品并集的数量的比例，称为两个集合的杰卡德相似系数，用符号simuvsim_{uv}simuv表示，其
2022-04-07 21:58:55
1423
原创 任务2 数据集探索
Moielens-1M数据集描述数据集下载地址：Movielens-1M下载下来数据集有4个文件，其中1个描述文件，3个数据文件。1. ratings.dat文件当中包含了所有的打分数据。数据的格式如下特征名称UserIDMovieIDRatingTimestamp描述从1到6040从1到3952最高分为5分，且打分只能为整数打分的时间戳（一般没啥用）数据集当中每个用户至少有20个打分记录2. users.data里面包含贡献这些打分数据的志愿者
2022-04-06 11:37:16
649
原创 Coggle推荐系统学习任务1：推荐系统基础
Coggle推荐系统学习任务1：推荐系统基础1.推荐系统与常见的结构化问题的区别是什么？推荐系统是用来解决信息过载的手段。作为信息消费者，如何从大量信息中找到自己感兴趣的信息是一件非常困难的事情;作为信息生产者， 如何让自己生产的信息脱颖而出，受到广大用户的关注，也是一件非常困难的事情。推荐系统就是来解决这个问题的。对于信息消费者：它可以主动的把用户可能感兴趣的东西推送到用户面前对于信息生产者：它可以让信息展现在对它感兴趣的用户面前。谈到推荐系统很容易联想到搜索引擎：推荐系统和搜索引擎的一个区
2022-04-05 22:15:34
1238
空空如也
TA创建的收藏夹 TA关注的收藏夹
TA关注的人