Introduction to Recommender System 之 Module 1 Introduction to Recommender Systems

本文介绍了推荐系统的基本概念,包括信息检索与过滤的区别,推荐系统的分类,如非个性化、基于内容和协同过滤,以及推荐效果的评估指标,如准确性、多样性和正确性。
摘要由CSDN通过智能技术生成

这一讲主要是简单的概念介绍,需要掌握的一些基本概念。包括如下几个部分:
Information Retrieval and Filtering
一些常见词汇及解释
推荐系统的分类
推荐效果的Evaluation指标

Information Retrieval and Filtering

Retrieval——invest time in indexing content 来满足用户实时的queries(need),相当于是一个内容的概括和总结,特点——静态内容,动态query。主要利用TFIDF方法
Filtering——invest effort in modeling user need 来filter出满足need的新内容。特点——静态的需求,动态的内容。
前者主要是对信息建模(对信息的概括和总结),后者主要是对用户需求建模

一些常见词汇及解释

Recommenders —— Filtering interface、Recommendation interface、Prediction Interfaces
rating —— expression of preference(Explicit/ Implicit)
prediction —— estimate of preference(一种程度的表述
Recommendation —— selected ite

  • 0
    点赞
  • 0
    收藏
    觉得还不错? 一键收藏
  • 0
    评论
机器学习模型机器学习模型机器学习模型机器学习模型机器学习模型机器学习模型机器学习模型机器学习模型机器学习模型机器学习模型机器学习模型机器学习模型机器学习模型机器学习模型机器学习模型机器学习模型机器学习模型机器学习模型机器学习模型机器学习模型机器学习模型机器学习模型机器学习模型机器学习模型机器学习模型机器学习模型机器学习模型机器学习模型机器学习模型机器学习模型机器学习模型机器学习模型机器学习模型机器学习模型机器学习模型机器学习模型机器学习模型机器学习模型机器学习模型机器学习模型机器学习模型机器学习模型机器学习模型机器学习模型机器学习模型机器学习模型机器学习模型机器学习模型机器学习模型机器学习模型机器学习模型机器学习模型机器学习模型机器学习模型机器学习模型机器学习模型机器学习模型机器学习模型机器学习模型机器学习模型机器学习模型机器学习模型机器学习模型机器学习模型机器学习模型机器学习模型机器学习模型机器学习模型机器学习模型机器学习模型机器学习模型机器学习模型机器学习模型机器学习模型机器学习模型机器学习模型机器学习模型机器学习模型机器学习模型机器学习模型机器学习模型机器学习模型机器学习模型机器
评论
添加红包

请填写红包祝福语或标题

红包个数最小为10个

红包金额最低5元

当前余额3.43前往充值 >
需支付:10.00
成就一亿技术人!
领取后你会自动成为博主和红包主的粉丝 规则
hope_wisdom
发出的红包
实付
使用余额支付
点击重新获取
扫码支付
钱包余额 0

抵扣说明:

1.余额是钱包充值的虚拟货币,按照1:1的比例进行支付金额的抵扣。
2.余额无法直接购买下载,可以购买VIP、付费专栏及课程。

余额充值