推荐算法
文章平均质量分 91
csearch
github:https://github.com/csearch
展开
-
推荐系统-基于itemCF推荐模型
时间:2017年5月 出处: 声明:版权所有,转载请联系作者并注明出虽然目前工业界很少再直接通过itemCF来进行推荐,但可以从这个算法中体会到这种集体智慧的应用。1.ItemCF原理充分利用集体智慧,即在大量的人群的行为和数据集中收集答案,以帮助我们对整个人群得到统计意义上的结论,推荐的个性化程度高。 基于以下两个出发点: (1)兴趣相近的用户可能会对同样的东西感兴趣; (2)用户可能原创 2017-05-05 21:00:12 · 6942 阅读 · 0 评论 -
推荐系统-基于PersonalRank推荐模型
时间:2017年5月 出处: 声明:版权所有,转载请联系作者并注明出在推荐系统中,用户对物品的行为数据可以转化成图的形式,具体来说,可以转化为二分图进行表示,基于图来考虑推荐问题也是一种常用的思路之一。1.PageRank模型PageRank是Google网页排序的经典算法,这里只做简要概述,详细的算法推导过程及实现,可以网上找找相关资料,挺多的。 PageRank是Larry Page 和原创 2017-05-07 12:17:35 · 1909 阅读 · 1 评论 -
推荐系统-推荐冷启动问题
1.推荐冷启动概述推荐系统通常需要根据用户的历史行为和兴趣预测用户未来的行为和兴趣,因此大量的用户行为数据就成为推荐系统的重要组成部分和先决条件。 2.推荐冷启动分类推荐冷启动问题主要分为以下3类: 2.1. 用户冷启动用户冷启动主要解决如何给新用户做个性化推荐的问题,因为新用户历史行为记录非常稀少而产生的。 2.2. 物品领启动物品冷启动主要解决如何将新的物品推荐给可能对它感兴趣的用户这一问原创 2017-05-05 20:42:08 · 1988 阅读 · 0 评论 -
推荐系统-基于userCF推荐模型
时间:2017年5月 出处: 声明:版权所有,转载请联系作者并注明出1.UserCF原理基于用户的协同过滤推荐算法先使用统计技术寻找与目标用户有相同喜好的邻居,然后根据目标用户的邻居的喜好产生目标用户的推荐。 基本原理就是利用用户访问行为的相似性来互相推荐用户可能感兴趣的资源,如下图所示: 上图示意出基于用户的协同过滤推荐机制的基本原理,假设用户A喜欢物品A、物品C,用户B喜欢物品B,原创 2017-05-05 21:11:17 · 2539 阅读 · 0 评论