![](https://img-blog.csdnimg.cn/20201014180756928.png?x-oss-process=image/resize,m_fixed,h_64,w_64)
课程笔记
文章平均质量分 80
dyc941126
这个作者很懒,什么都没留下…
展开
-
推荐系统导论笔记(一)
推荐系统基本框架推荐系统的基本模型一般有以下三个部分构成:UserItemRating每个User可以有自己的一些属性(Attribute),如喜好、偏向等。这个属性可以通过对用户的行为进行统计得出,如统计该用户阅读新闻的主题等。在Content Based Filtering算法中,会利用此数据对用户进行基于内容的推荐。 类似的,每个Item也有自己的属性,例如风格(style)、流派(原创 2015-11-11 00:34:12 · 729 阅读 · 0 评论 -
推荐系统导论笔记(二)
非个性化推荐算法非个性化推荐是指在不知道用户的Preference的情况下根据用户的投票或行为(如点击、购买、查看等)作出的推荐。其可大致分为如下两类:观点累积推荐产品联合推荐其中,观点累积推荐是指根据系统用户的评分,根据某种统计特征(如净支持数、平均数等),或根据某种算法得出分数,对Item进行Rank的算法。 产品联合推荐是指,通过观测用户的行为,挖掘出Item之间的联系,原创 2015-11-12 23:48:14 · 686 阅读 · 0 评论 -
推荐系统导论笔记(四)
Content Based Filtering推荐算法概述CBF算法是一种个性化推荐算法,其基本思想是根据用户的长期、稳定的偏好来推荐Item给用户,如当用户买衣服时,他喜欢棉的、蓝色的、便宜的等等,这些偏好都是长期稳定的。因此,CBF必须解决以下两个问题:用户偏好的获取与表示Item的匹配当然,同样存在着大量需要个性化推荐,但无法获取长期、稳定偏好的情况。比如,我要购买电脑或者原创 2015-11-20 16:58:16 · 467 阅读 · 0 评论 -
推荐系统导论笔记(五)——Assignment 2
数据描述数据1:给定一张20×1020\times 10的表,其中,每一行是一个Doc,若该文档包含某个Topic,则对应的单元格为1,否则为0。 数据2:给定两个用户对文档的评分,若用户喜欢某文档,则对应单元格为1,否则为-1,且评分有缺失。问题描述构建基本用户档案使用上述数据构建一个最基本的档案,不用考虑关键字凸显等问题。完成下面两个问题:预测用户1最喜欢的文档,并给出相应的分数预测用户2原创 2015-12-01 00:59:06 · 458 阅读 · 0 评论 -
推荐系统导论笔记(七)
推荐系统的评估由于推荐系统的多样性,导致其评估方法也多种多样。例如,MAE可以用来评估对某个Item的Prediction的Accuracy,却并不适合Top-N形式的推荐系统,因此,了解不同推荐系统的评估方法是有必要的。基本准确率评估基本准确率评估主要针对单个Item进行Prediction的Accuracy进行评估。当进行评估时,先将一个用户的评分抹去,然后用推荐系统去尝试对其进行预测,最后用某原创 2015-12-20 18:44:36 · 741 阅读 · 0 评论 -
推荐系统导论笔记(六)
从Non-Personalize Recommendation到User-User Collaborative Filtering考虑这样一个最简单的问题:向一个用户uu 推荐商品ii,并给出预测评分ru,ir_{u,i}。一个最直观的考虑是算出所有其他用户评分平均数作为预测结果,即:ru,i=Σk≠urk,iNr_{u,i}=\frac{\Sigma_{k\ne u}r_{k,i}}{N}其中,N原创 2015-12-03 21:47:38 · 404 阅读 · 0 评论