推荐系统
天边那颗星_2008
这个作者很懒,什么都没留下…
展开
-
推荐系统开源软件列表汇总和点评
我收集和整理的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),并附上了个人的一些简单点评(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 陈运文 SVDFeature 由上海交大的同学开发的,C++语言,代码质量很高 。去年我们参加转载 2013-12-27 21:28:21 · 699 阅读 · 0 评论 -
召回率与准确率
召回率和准确率是数据挖掘中预测、互联网中的搜索引擎等经常涉及的两个概念和指标。 召回率:Recall,又称“查全率”——还是查全率好记,也更能体现其实质意义。 准确率:Precision,又称“精度”、“正确率”。 以检索为例,可以把搜索情况用下图表示: 相关 不相关 检索到 A B 未检索到转载 2014-03-06 16:04:25 · 799 阅读 · 0 评论 -
推荐系统相关算法(1):SVD
1. SVD简介 假如要预测Zero君对一部电影M的评分,而手上只有Zero君对若干部电影的评分和风炎君对若干部电影的评分(包含M的评分)。那么能预测出Zero君对M的评分吗?答案显然是能。最简单的方法就是直接将预测分定为平均分。不过这时的准确度就难说了。本文将介绍一种比这个最简单的方法要准上许多,并且也不算复杂的算法。 SVD(Singular Value Dec转载 2014-03-20 10:41:27 · 731 阅读 · 0 评论 -
推荐系统相关算法(2):k-nearest neighbor
进效果为6%,GE的改进效果为8.2%,两者叠加的改进效果为12.1%。这说明:(1)数据的稀疏性对越粗糙的模型,影响越大。(2)GE的影响较大,原因是kNN的预测结果是相似度与用户评分的加权平均值。当用户评分包含与相似度无关的因素(即GE)越多时,最终结果越不可靠。 代码由于较多就不直接贴上,想要的可以在从以下地址下载(Python实现) http://ishare.ia转载 2014-03-20 11:07:55 · 808 阅读 · 0 评论 -
推荐系统的架构
本文从互联网收集并整理了推荐系统的架构,其中包括一些大公司的推荐系统框架(数据流存储、计算、模型应用),可以参考这些资料,取长补短,最后根据自己的业务需求,技术选型来设计相应的框架。 图1 界面UI那一块包含3块东西:1) 通过一定方式展示推荐物品(物品标题、缩略图、简介等);2) 给的推荐理由;3) 数据反馈改进个性化推荐;关于用户数据的存放地方:1转载 2014-03-21 11:09:08 · 967 阅读 · 0 评论