推荐系统
文章平均质量分 73
国科大2024年春何苯老师首次开设《推荐系统》课程的学习报告
komjay
这个作者很懒,什么都没留下…
展开
-
第四章 基于社交网络的推荐系统
TrustWalker有着最低的错误率和最高的正确率。总结基于记忆的方法,其特点有:不需要学习模型,只是探索网络以查找评分者;需要存储社交评分网络;由于需要探索,在线预测消耗时间长。原创 2024-03-18 00:02:57 · 939 阅读 · 0 评论 -
第三章 混合推荐系统和推荐系统评价标准
混合推荐系统可以理解成集成学习应用到推荐系统中。而推荐系统的评价指标与正常的机器学习指标不同,需要额外记忆。原创 2024-03-10 21:06:00 · 406 阅读 · 1 评论 -
第二章 基于内容、知识的推荐系统
在推荐系统中,内容主要指对商品的文字描述,所以属于NLP领域,而不是CV领域。而最后提取到的内容是一系列关键词。基于内容和知识的两类推荐各有各的优势,但实际的技术手段是一样的,内容描述商品的关键词,知识描述商品的属性。原创 2024-03-10 19:16:21 · 382 阅读 · 0 评论 -
第一章 基于评分矩阵的推荐系统
1.推荐系统概要2.学习三种协同过滤的经典推荐系统3.学习各种方法改善协同过滤的推荐系统 作用:为用户定制化提供推荐信息。 原因:如今用户处在信息爆炸的时代,难以找到自己想要的信息。 难点:不像搜索引擎一样需要用户输入,而且需要针对不同用户个性化推荐。 即计算该用户历史上对一系列物品的评分取平均,作为其对当前一系列所对应未知物品的评分。选择前n个物品来作推荐。 寻找当前用户的一些相似邻居(他们的历史评分与当前用户的相似),这些邻居有对未知原创 2024-03-10 17:50:16 · 416 阅读 · 0 评论