![](https://img-blog.csdnimg.cn/20201014180756754.png?x-oss-process=image/resize,m_fixed,h_64,w_64)
推荐系统
sansheng su
这个作者很懒,什么都没留下…
展开
-
读书笔记:推荐系统实践-第七章-推荐系统实例
1、外围架构UI系统负责给用户展示网页并和用户交互。网站会通过日志系统将用户在UI上的各种各样的行为记录到用户行为日志中。日志可能存储在内存缓存里,也可能存储在数据库中,也可能存储在文件系统中。推荐系统通过分析用户的行为日志,给用户生成推荐列表,最终展示到网站的界面上。推荐系统的重要因素:推荐系统本身,界面展示,用户行为数据界面的一些特性:通过一定方式展示物品,主要包括物品的标...原创 2019-04-25 20:46:05 · 718 阅读 · 1 评论 -
读书笔记:推荐系统与深度学习-第四章-推荐系统的基础算法
前言:这本书是由清华大学出版社的《推荐系统与深度学习》,由黄昕、赵伟、王本友、吕慧伟、杨敏编著,前三章分别是对推荐系统的简单介绍、对深度学习的介绍以及对tensorflow的介绍,这里就不做笔记了。这一章主要介绍了传统的一些推荐方法以及利用深度学习方法(CNN、自编码、node2vec)进行一些特征表征和提取。1、基于内容的推荐算法1.1 基于内容的推荐算法基本流程特征(内容)提取基...原创 2019-04-30 21:37:48 · 1458 阅读 · 0 评论 -
读书笔记:推荐系统实践-第六章-利用社交网络数据
1、获取社交网络数据的途径电子邮件:一般只有具有邮件系统的公司有研究社交关系的机会;如果获得了用户的邮件,可以使用邮箱后缀得到社交关系信息;社交官网还可以从电子邮件联系人中导入好友,进行冷启动。用户注册信息:如学校、公司等用户的位置数据:在同一位置的相关性可能会更高论坛和讨论组:同时加入了很多一样的组,或者在一个帖子里面讨论即时聊天工具:好友列表和分组信息,有隐私问题社交网站fa...原创 2019-04-25 15:34:04 · 898 阅读 · 0 评论 -
读书笔记:推荐系统实践-第五章-利用上下文信息
1、时间上下文信息1.1 时间效应简介时间信息对用户兴趣的影响主要表现在以下几个方面:用户兴趣是变化的,应该关注用户最近的行为物品也是有生命周期的季节效应,节日也是1.2 系统时间特性的分析包含时间信息的用户行为数据集由一系列三元 组构成,其中每个三元组(u,i,t)代表了用户u在时刻t对物品i产生过行为可以通过统计如下信息研究系统的时间特性数据集每天独立用户数的增长情况...原创 2019-04-24 20:39:26 · 402 阅读 · 0 评论 -
读书笔记:推荐系统实践-第三章-推荐系统冷启动问题
1、冷启动问题简介冷启动主要分为三类:用户冷启动物品冷启动系统冷启动对于冷启动问题的一些解决方案:提供非个性化推荐,如热门排行榜,行为数据积累到一定程度以后再用个性化推荐利用用户注册时提供的年龄、性别等数据做粗粒度的个性化利用用户的社交网络账号登录(需要用户授权),导入用户在社交网站上的好友信息,然后给用户推荐其好友喜欢的物品要求用户在登录时对一些物品进行反馈,收集用户对这...原创 2019-04-23 21:06:35 · 299 阅读 · 0 评论 -
读书笔记:推荐系统实践-第四章-利用用户标签数据
1、UGC标签系统的代表应用Delicious:给网页打标签CiteULike:给论文打标签Last.fm:给音乐打标签豆瓣:书影音Hulu:视频打标签的作用:表达 标签系统帮助我表达对物品的看法。组织 打标签帮助我组织我喜欢的电影。学习 打标签帮助我增加对电影的了解。发现 标签系统使我更容易发现喜欢的电影。决策 标签系统帮助我判定是否看某一部电影。2、标签系统中的...原创 2019-04-24 16:58:58 · 516 阅读 · 0 评论 -
读书笔记:推荐系统实践-第一章-好的推荐系统
1、什么是推荐系统?推荐系统作用可以解决信息过载的问题帮助用户发现对自己有价值的信息让信息能够展现在对它感兴趣的用户面前,从而实现信息消费者和信息生产者的双赢推荐系统和搜素引擎是互补工具搜索隐形满足了用户有明确目的时的主动查找需求推荐系统能在用户没有明确目的时候帮助他们发现感兴趣的内容推荐算法的本质是通过一定的方式将用户和物品联系起来,而不同的推荐系统利用了不同的方式。基...原创 2019-04-19 17:27:05 · 303 阅读 · 0 评论 -
读书笔记:推荐系统实践-第二章-利用用户行为数据
1、用户行为数据简介用户行为在个性化推荐系统一般会分为两种:显性反馈行为和隐性反馈行为。如何用统一的方式表示这些所有的行为?不同行为的不同数据集无上下文信息的隐性反馈数据集 每一条行为记录仅仅包含用户ID和物品ID。无上下文信息的显性反馈数据集 每一条记录包含用户ID、物品ID和用户对物品的评分。有上下文信息的隐性反馈数据集 每一条记录包含用户ID、物品ID和用户对物品产生行。...原创 2019-04-23 16:51:14 · 965 阅读 · 0 评论 -
读书笔记:推荐系统实践-第八章-评分预测问题
1、离线实验方法测评目的:找到好的模型小化测试集的RMSE划分测试集与训练集和时间无关的预测任务,可以以均匀分布随机划分数据集和时 间相关的任务,那么需要将用户的旧行为作为训练集,将用户的新行为作为测试集2、评分预测算法2.1 平均值全局平均值用户评分平均值物品评分平均值用户分类对物品分类的平均值,物品和用户分类的依据:流行度和活跃度,平均分2.2 ...原创 2019-04-26 15:39:36 · 1482 阅读 · 0 评论 -
读书笔记:推荐系统与深度学习-第五章-混合推荐系统
1 什么是混合推荐系统1.1 混合推荐系统的意义1.1.1 海量数据推荐海量数据推荐系统通常是三个部分构成的:在线系统、近线系统和离线系统。离线系统是传统的个性化推荐系统的主体,定期利用大量历史操作日志进行批处理运算,然后进行特征构造及选取, 最终建立模型并更新。近线系统是将用户产生的事件,利用流式计算得到中间结果,这些中间结果一方面发送给在线部分用于实时更新推荐模型, 另一方面将中...原创 2019-07-15 00:14:09 · 2702 阅读 · 1 评论