推荐系统：Collaborative recommendation

最新推荐文章于 2022-11-28 10:18:55 发布
最新推荐文章于 2022-11-28 10:18:55 发布
阅读量912 收藏 1
点赞数
分类专栏： Algorithm 文章标签： CF 推荐算法
版权声明：本文为博主原创文章，遵循 CC 4.0 BY-SA 版权协议，转载请附上原文出处链接和本声明。
本文链接：https://blog.csdn.net/bjy_fighting/article/details/69214828
版权
本文深入探讨了协同过滤(CF)推荐系统的原理，包括UserCF和ItemCF算法，分析了评分尺度、数据稀疏性、冷启动问题及其解决方案。此外，还提到了概率模型和关联分析在推荐系统中的应用，以及下一代推荐系统的发展趋势。
摘要由CSDN通过智能技术生成

1、CF算法处理的问题描述：

  • 给定用户集合 U={ u1,u2,..
最低0.47元/天 解锁文章
bjy_fighting
关注
专栏目录
《Matching User with Item Set: Collaborative Bundle Recommendation with Deep Attention Network》论文笔记
weixin_43646592的博客
04-18 651
Matching User with Item Set: Collaborative Bundle Recommendation with Deep Attention Network 背景： 大多数推荐系统研究致力于推荐单一商品给用户。然而在现实中，平台需要给用户展示的是一些列的商品（捆绑销售策略，bundle:捆绑）。 之前大部分是an item to a user，这篇论文的是 a set of items(a bundle) to a user 这篇论文的主要工作就是关注于对用户和捆绑的商品集合的交
论文精读：collaborative memory network for recommendation system
qq_40844018的博客
03-16 394
将两类CF模型（捕获全局结构的隐因子模型和捕获邻域结构的模型）以非线性的方式进行组合。使用记忆单元和注意力机制来学习user-item的邻域关系。 目录1 简介2 collaborative memory network2.1 单跳2.1.1 user embedding2.1.2 neighborhood attention2.1.3 output model2.2 多跳总结 1 简介 现有的基于邻域的方法和基于隐因子的方法要么是只关注局部信息，要么只关注全局信息。 记忆网络通常包含两部分：externa
Collaborative Memory Network for Recommendation Systems解读
weixin_45608479的博客
06-25 841
Collaborative Memory Network for Recommendation Systems解读 本文为对该论文的简单解读和记录，方便理解 摘要
推荐系统相关工具简介
影子的博客
03-07 2198
　　下面对上篇《推荐系统架构及流程说明》中提到的相关工具做个简单介绍。 　　 1、Lambda架构 　　Lambda架构的目标是设计出一个能满足实时大数据系统关键特性的架构，包括有：高容错、低延时和可扩展等。Lambda架构整合离线计算和实时计算，融合不可变性（Immunability），读写分离和复杂性隔离等一系列架构原则，可集成Hadoop，Kafka，Storm，Spark，Hbase...
推荐系统开源软件汇总
chaishen10000的专栏
11-03 909
推荐系统开源软件汇总 目前互联网上所能找到的知名开源推荐系统(open source project for recommendation system)，并附上了一些简单点评（未必全面准确）， 这方面的中文资料很少见，希望对国内的朋友了解掌握推荐系统有帮助 一、SVDFeature 由上海交大的同学开发的，C++语言，代码质量很高 。去年我们参加KDD竞赛时用过，非常好用，而且出自咱们国人之手，所以置顶推荐！ 项目地址： http://svdfeature.apexlab.org/wiki/.
Neural Social Collaborative Ranking (NSCR) for the new task of cross-domain social recommendation
RRZS的博客
02-08 667
原文链接：https://arxiv.org/pdf/1706.03205.pdf 这篇文章是推荐算法与深度学习结合的文章，其将数据信息分为信息导向和社交导向，前者包括用户与项目的交互信息，用户的特征信息，项目的特征信息；后者包括用户与用户之间的社交信息，尤其强调熟人间的推荐。该文章主要是为了将社交导向的信息加入传统的信息导向的信息中，从而提高推荐的准确率。本文的创新点在于将用户和项目的特征进行编...
推荐系统-利用用户行为数据判断用户间或商品间相似性、分类和个性化推荐
热门推荐
程序猿成长室
07-02 4万+
前言： 总算开始了个人博客-菜鸟成长室（http://blog.csdn.net/wangdaiyin）输出的第一步，转载请注明文章来源！ 推荐系统概念： 简单来说，个性化推荐系统是一种解决信息过载问题的技术，它是根据用户的兴趣爱好，推荐符合用户个性化的对象，可以帮助用户找到想要的商品/新闻/音乐等、能降低信息过载问题、提高站点的点击率/转化率、加深对用户的了解并进一步提供定制化服务
Collaborative-Filtering-recommendation:电影评估推荐系统
03-11
协同过滤推荐 整个项目分为几个个阶段。 第一阶段： 包含文件Phase1a，Phase1b；该阶段未采用协同过滤算法，或者用随机值，先前等作为结果 第二阶段： 包含文件Phase2a，Phase2b，Phase2bOneRun；该阶段采用了协同...
论文代码研读：Collaborative Memory Network for Recommendation Systems
qq_40844018的博客
03-17 548
本文研读Collaborative Memory Network for Recommendation Systems论文复现代码，源代码来源于https://codeload.github.com/IamAdiSri/cmn4recosys/zip/master 文章目录1. 论文思想2. 论文复现2.1 获取训练数据 1. 论文思想 本文采用记忆力神经网络的框架，综合CF和attention机制来选择记忆单元，预测item评分。 2. 论文复现 2.1 获取训练数据 源码所使用的数据中用户数目为1698
矩阵分解MF用于评分预测
Toby的博客
07-02 1820
矩阵分解 Matrix Factorization 矩阵分解简介 矩阵分解，简单来说，就是把原来的大矩阵，近似分解成两个小矩阵的乘积，实际推荐计算时不再使用大矩阵，而是使用分解得到的两个小矩阵。 假设用户物品评分矩阵为 R，维度为mxn，即 m 个用户， n 个物品。选择一个很小的数 k，k 比 m 和 n 都小很多，然后通过算法生成两个矩阵 P 和 Q，这两个矩阵的要求如下：P 的维度是 mxk，Q 的维度是 nxk， P 和 Q 的转置相乘结果为 R，即R=P*Q^T。也就是说分解得到的矩阵P和.
搜索推荐中的召回匹配模型综述(二)：基于表示学习的深度学习方法
hellozhxy的博客
01-14 2098
“本文是搜索推荐中的召回匹配模型综述系列的第二篇，上一篇为搜索推荐中的召回匹配模型综述(一)--传统方法。 本文主要介绍了搜索推荐中基于representation learning的深度学习方法，包括基于协同过滤的方法(DMF,autoRec,协同降噪自编码器等)以及基于协同过滤+sideinfo的方法(DCF,DUIF,ACF,CKB)，并说明上述方法的结构范式和应用领域。” 作者：辛俊...
推荐模型-知识图谱-2018：CFKG
u013250861的博客
11-28 566
推荐模型-知识图谱推荐-2018：CFKG。
统一知识图学习和推荐:更好地理解用户偏好
qq_39634092的博客
02-17 889
文章：Unifying Knowledge Graph Learning and Recommendation: Towards a Better Understanding of User Preferences 动机： KG纳入推荐系统时，考虑其不完全性是至关重要。为了共同学习推荐模型和知识图谱补全，将关系信息以KG的形式传递，以了解用户喜欢某件商品的原因。 用户喜欢电影Future 和Future 2，可能是因为喜欢导演Robert的电影。由于缺失三元组（Robert Zemeckis, isDi
《Collaborative Memory Network for Recommendation Systems》推荐系统之协同记忆网络CMN
十三
05-13 3691
论文 0 摘要 推荐系统在使用户在现代在线平台中使用个性化内容方面发挥着至关重要的作用。深度学习已经彻底改变了许多研究领域，并且最近对将其应用于协同过滤（CF）的兴趣激增。然而，现有方法与潜在因子模型构成了深度学习架构，忽略了一大类CF模型，邻域或基于记忆的方法。 我们提出了协同存储网络（CMN），这是一种深层架构，用于统一两类CF模型，以非线性方式利用潜在因子模型的全局结构和和邻域模型局部结构...
《推荐系统实践》读书笔记(四）(用户和物品用标签关联)
smartcat2010的博客
09-12 411
推荐系统将用户和物品关联起来的3种方式： 1. 利用用户喜欢得物品，推荐和这批物品相似得的物品； 2. 利用和用户具有相似兴趣的用户群体，推荐这个群体喜欢的物品； 3. 用特征做桥梁关联用户和物品（用户有哪些特征，推荐具备这些特征的物品） 让用户给物品打标签，是王道：1. 节省标注员；2.通过用户爱打什么标签得知他喜欢或者关注哪些方面； 用户给物品打的标签，是分成好多种类的：1. 物品是...
【论文翻译】统一知识图谱学习和建议：更好地理解用户偏好
XD的学习笔记
03-17 6358
一、摘要 将知识图谱（KG）纳入推荐系统有望提高推荐的准确性和可解释性。然而，现有方法主要假设KG是完整的并且简单地在实体原始数据或嵌入的浅层中转移KG中的“知识”。这可能导致性能欠佳，因为实用的KG很难完成，并且KG通常缺少事实，关系和实体。因此，我们认为，当将KG纳入推荐系统时，考虑KG的不完整性是至关重要的。 在本文中，我们共同学习推荐模型和知识图完成。与之前基于KG的推荐方法不同...
基于知识图谱的推荐系统总结
张小磊的博客
11-11 4975
嘿，记得给“机器学习与推荐算法”添加星标|作者：阳光明媚|单位：华东师范大学|研究方向：推荐系统、强化学习摘要推荐系统的基本任务是联系用户和物品，解决信息过载的问题，帮助用户找到其感...
推荐系统之--- 评分预测问题
weixin_30367169的博客
08-06 1877
本书到目前为止都是在讨论TopN推荐，即给定一个用户，如何给他生成一个长度为N的推荐列表，使该推荐列表能够尽量满足用户的兴趣和需求。 本书之所以如此重视TopN推荐，是因为它非常接近于满足实际系统的需求，实际系统绝大多数情况下就是给用户提供一个包括N个物品的个性化推荐列表。 评分预测问题最基本的数据集就是用户评分数据集。该数据集由用户评分记录组成，每一条评分记录是一个三元组(u,i,...
matching user with item set: collaborative bundle recommendation with deep a
最新发布
08-20
2. 冷启动问题：当新用户或新物品加入系统时，缺乏充分的数据进行推荐，需要设计特殊的策略来解决这个问题。 3. 模型可解释性：深度学习算法在推荐过程中产生的结果往往难以解释，这可能对用户产生疑虑，影响用户的...
评论
添加红包

请填写红包祝福语或标题

个

红包个数最小为10个

元

红包金额最低5元

当前余额3.43元 前往充值 >
需支付：10.00元
成就一亿技术人!
领取后你会自动成为博主和红包主的粉丝 规则
hope_wisdom
发出的红包
实付元
使用余额支付
点击重新获取
扫码支付
钱包余额 0

抵扣说明：

1.余额是钱包充值的虚拟货币，按照1:1的比例进行支付金额的抵扣。
2.余额无法直接购买下载，可以购买VIP、付费专栏及课程。

余额充值