笔记 - 推荐系统：协同过滤算法理论

最新推荐文章于 2024-01-07 02:04:15 发布

chen_holy

最新推荐文章于 2024-01-07 02:04:15 发布

阅读量208

点赞数 1

分类专栏：推荐系统 AI 机器学习

本文链接：https://blog.csdn.net/chen_holy/article/details/89668466

版权

AI 同时被 3 个专栏收录

57 篇文章 1 订阅

订阅专栏

机器学习

22 篇文章 0 订阅

订阅专栏

推荐系统

3 篇文章 0 订阅

订阅专栏

在这里插入图片描述

----------------2019.04.30更新-------------------

协同过滤算法的具体实现没有固定的套路

核心在于是基于用户相似度推荐还是物品相似度推荐
但是计算用户相似度或则物品相似度的策略不是固定的

eg：

场景1：拿到用户对电影评分的矩阵
那可以通过计算每个电影对应的评分列向量进行距离计算

场景2：拿到用户听的歌曲
这时候怎么判断两首歌曲相似度呢，显然并不能照搬场景1的策略
别人有用歌曲的听众的重合来计算，如果重合的听众多，则视为相似，否则视为不相似

TODO：
- 进一步研究相似度计算方式

确定要放弃本次机会？

福利倒计时

: :

立减 ¥

普通VIP年卡可用

立即使用

chen_holy

关注关注

1
点赞
踩
1

收藏

觉得还不错? 一键收藏
0
评论
笔记 - 推荐系统：协同过滤算法理论

----------------2019.04.30更新-------------------
复制链接

扫一扫

专栏目录

推荐系统：协同滤波算法

滴墨成殇的博客

06-18

2486

一、什么是协同过滤:人以类聚，物以群分类似于图像处理中使用超像素信息，协同过滤是利用集体智慧的一个典型方法。推荐系统的首要问题是了解你的用户，然后才能给出更好的推荐。概念：协同过滤一般是在海量的用户中发掘出一小部分和你品位（偏好）比较类似的，在协同过滤中，...

learning-recommendation-system:推荐系统学习笔记

03-11

本项目“learning-recommendation-system”是一份针对推荐系统学习的实践笔记，旨在帮助学习者掌握推荐系统的概念、算法和技术，并通过实际操作提升技能。 推荐系统的核心在于理解用户的需求和兴趣，通过分析用户的...

参与评论您还未登录，请先登录后发表或查看评论

【推荐算法】协同过滤算法介绍

u011590738的博客

07-07

5万+

协同过滤算法（Collaborative Filtering）是比较经典常用的推荐算法，它是一种完全依赖用户和物品之间行为关系的推荐算法。我们从它的名字“协同过滤”中，也可以窥探到它背后的原理，就是 “协同大家的反馈、评价和意见，一起对海量的信息进行过滤，从中筛选出用户可能感兴趣的信息”。...............................................................

协同过滤推荐算法的原理及实现

烂笔头的专栏

02-12

1万+

一、协同过滤算法的原理及实现二、基于物品的协同过滤算法详解 ** 一、协同过滤算法的原理及实现 ** 协同过滤推荐算法是诞生最早，并且较为著名的推荐算法。主要的功能是预测和推荐。算法通过对用户历史行为数据的挖掘发现用户的偏好，基于不同的偏好对用户进行群组划分并推荐品味相似的商品。协同过滤推荐算法分为两类，分别是基于用户的协同过滤算法(user-based collaboratIve filter...

协同过滤与矩阵分解讲解（PPT）

code华奇

11-23

277

协同过滤算法，就是一种完全依赖用户和物品之间行为关系的推荐算法。从字面理解，协同大家的反馈、评价和意见一起对海量的信息进行过滤，从中筛选出用户可能感兴趣的信息。

推荐算法之协同过滤算法详解(原理，流程，步骤，适用场景)

最新发布

06-17

RecSys-Book-Notes:推荐系统读书笔记，思维导图等

03-11

吴恩达机器学习笔记-人工智能机器学习算法入门笔记

01-26

协同过滤推荐算法.ppt

07-13

随着互联网的普及，网络资源的激增，用户很难快速找到需要的信息。为了提供精确而又快速的推荐, 研究者提出了多种推荐算法, 其中协同过滤推荐算法是应用最为成功的一种。 协同过滤这一概念首次于1992 年由Goldberg、Nicols、Oki及 Terry提出,应用于Tapestry系统, 该系统仅适用较小用户群(比如, 某一个单位内部),而且对用户有过多要求(比如,要求用户显式的给出评价).目前,许多电子商务网站都已经使用了推荐系统, 如 Amazon、CDNow、Drugstore，当当网上书店和Moviefinder 等。

Netflix Prize 中的协同过滤算法(PPT)

10-18

Netflix Prize 中的协同过滤算法 from http://dsec.pku.edu.cn/~jinlong

协同过滤ppt

11-21

给公司做报告用的ppt，希望大家能喜欢，主要讲了协同过滤的计算原理

03-11

协同过滤算法详解

GFDGFHSDS的博客

03-10

3万+

一、协同过滤算法简介 协同过滤算法是一种较为著名和常用的推荐算法，它基于对用户历史行为数据的挖掘发现用户的喜好偏向，并预测用户可能喜好的产品进行推荐。也就是常见的“猜你喜欢”，和“购买了该商品的人也喜欢”等功能。它的主要实现由： ●根据和你有共同喜好的人给你推荐 ●根据你喜欢的物品给你推荐相似物品 ●根据以上条件综合推荐因此可以得出常用的协同过滤算法分为两种，基于用户的协同过滤算法(user-b...

协同过滤的基本原理：了解推荐系统的核心

禅与计算机程序设计艺术

01-07

773

协同过滤算法

weixin_44852067的博客

04-17

2282

协同过滤(Collaborative Filtering)算法是一种经典的“推荐算法”，基本思想是根据用户之前的喜好以及其他兴趣相近的用户的选择来给用户推荐物品(基于对用户历史行为数据的挖掘发现用户的喜好偏向，并预测用户可能喜好的产品进行推荐)，一般是仅仅基于用户的行为数据（评价、购买、下载等）, 而不依赖于项的任何附加信息（物品自身特征）或者用户的任何附加信息（年龄，性别等）。基于用户的协同过滤算法(UserCF): 给用户推荐和他兴趣相似的其他用户喜欢的产品。

协同过滤(Collaborative Filtering, CF)——经典的推荐算法

拾遗

06-30

1万+

“协同过滤” 就是协同大家的反馈、评价和意见一起对海量的信息进行过滤，从中筛选出目标用户可能感兴趣的信息的推荐过程。user CF：基于用户的相似度进行推荐应用场景：具体步骤如下：下面将对“用户相似度计算”及“最终结果的排序”做详细说明。计算用户相似度，就是计算用户向量 i 和用户向量 j 之间的相似度，两个向量之间常用的相似度计算方法有如下几种：衡量了用户向量i和用户向量J之间的向量夹角大小。显然，夹角越小，证明余弦相似度越大，两个用户越相似。...

协同过滤算法原理

mao15827639402的博客

10-31

1426

本文主要讲解基于用户（User-CF)和基于物品（Item-CF）的协同过滤推荐算法的原理推荐算法主要基于用户历史行为信息获取数据，找到相似的用户和商品，并对用户进行推荐可能感兴趣的商品。对用户进行推荐主要有两类： 1.基于用户的协同过滤（User-CF）用户A对商品y的喜好 = 用户B对商品y的喜好程度 * 用户A和B的相似度 2.基于商品的协同过滤（Item...

斯坦福大学2014机器学习课程笔记：吴恩达教授

“相关推荐”对你有帮助么？

非常没帮助
没帮助
一般
有帮助
非常有帮助

提交