推荐系统
hejp_123
Nothing is impossible
展开
-
推荐系统中常用算法以及优点缺点对比
推荐方法是整个推荐系统中最核心、最关键的部分,很大程度上决定了推荐系统性能的优劣。目前,主要的推荐方法包括:基于内容推荐、协同过滤推荐、基于关联规则推荐、基于效用推荐、基于知识推荐和组合推荐。一、基于内容推荐基于内容的推荐(Content-based Recommendation)是信息过滤技术的延续与发展,它是建立在项目的内容信息上作出推荐的,而不需要依据用户对项目的评价意见,更多地需要...原创 2019-06-19 14:41:41 · 8291 阅读 · 0 评论 -
推荐系统杂谈
认识推荐系统首先需要明确的就是推荐系统的目标,一般来说有以下几个:用户满意性:首当其冲的,推荐系统主要就是为了满足用户的需求,因此准确率是评判一个推荐系统好坏的最关键指标。 多样性:虽然推荐系统最主要还是满足用户的兴趣,但是也要兼顾内容的多样性,对于权重不同的兴趣都要做到兼顾。 新颖性:用户看到内容是那些他们之前没有听说过的物品。简单的做法就是在推荐列表去掉用户之前有过行为的那些内容。...原创 2019-06-19 14:44:45 · 207 阅读 · 0 评论 -
推荐系统产品与算法深度解析
作者在《推荐系统的工程实现》(点击蓝字可回顾)这篇文章的第五部分“推荐系统范式”中讲到工业级推荐系统有非个性化范式、完全个性化范式、群组个性化范式、items关联items范式、笛卡尔积范式等5种常用的推荐范式。本文会按照这5大范式来讲解常用的推荐算法,但不会深入讲解算法的实现原理,只是概述算法的实现思路,后面的系列文章我会对常用的重点算法进行细致深入剖析。本文会从推荐算法与产品介绍、...转载 2019-06-19 17:02:55 · 1320 阅读 · 0 评论 -
推荐系统介绍
推荐系统的评估:https://mp.weixin.qq.com/s/zBUy_k2lyK0mqMMxm01w6w目录一,推荐系统产生的背景二,推荐系统解决什么问题三,推荐系统的应用领域四,推荐系统的定义五,常用的推荐算法六,构建推荐系统的阻碍与挑战七,推荐系统的价值一,推荐系统产生的背景随着移动互联网的快速发展,我们进入了信息爆炸时代。当前通过互联网...转载 2019-06-19 17:06:43 · 451 阅读 · 0 评论 -
推荐系统的工程实现
原创:gongyouliu大数据与人工智能目录1.写在前面2.推荐系统与大数据3.推荐系统业务流及核心模块4.推荐系统支撑模块5.推荐系统范式6.推荐系统架构设计7.推荐系统工程实现的设计哲学8.近实时个性化推荐9.推荐系统业务落地需要关注的问题10.推荐系统的技术选型11.推荐系统的未来发展12.结语1.写在前面作者在上篇文...转载 2019-06-19 17:31:18 · 1044 阅读 · 0 评论 -
经典推荐算法实现
目录1.基于ItemCF算法2.基于UserCF算法3.基于时间上下文的个性化推荐4.基于LFM算法的个性化推荐5.基于图的推荐算法1.基于ItemCF算法#!/usr/sbin/env python# -*- coding:utf-8 -*- import math # ItemCF算法def ItemSimilarity(train): ...原创 2019-06-20 09:49:13 · 1282 阅读 · 0 评论 -
推荐系统评估
原创:gongyouliu大数据与人工智能目录1.推荐评估的目的2.评估推荐的常用指标1.用户的维度2.平台方的维度3.推荐系统自身维度4.标的物提供方的维度3.推荐系统的评估方法1.离线评估2.在线评估3.主观评估4.推荐系统评估需要关注的问题写在最后作者在上篇文章《推荐系统的工程实现》中提到推荐系统要很好地落地到业务中,需要搭建支撑...转载 2019-06-21 15:29:09 · 586 阅读 · 0 评论