推荐系统
文章平均质量分 83
liam08
博主/大数据与AI技术爱好者
展开
-
基于Spark实现推荐算法-1:推荐算法简介
个性化推荐系统简介个性化推荐系统的定义在 1997 年由 Resnick 和 Varian 提出:利用互联网向用户提供信 息和建议,帮助用户选择产品,或模拟售货员帮助用户完成购买行为的系统 。通常推荐 由三个要素组成:推荐算法、用户、候选推荐项目。简单来说,一次推荐过程就是推荐算 法从候选推荐项目中挑出某些项目给用户。目前个性化推荐系统已经在电子商务、视频、音乐、新闻、博客等领域得到了广泛...原创 2018-05-02 09:37:07 · 11001 阅读 · 1 评论 -
基于Spark实现推荐算法-2:基于用户的协同过滤(理论篇)
基于用户的协同过滤基于用户的协同过滤,即User-Based CF (User-Based Collaborative Filtering),是基于一个这样的假设“跟你爱好相同的人喜欢的物品,你很可能也喜欢”,所以User-Based CF主要的任务就是找出用户的最近邻居,从而根据最近邻居的喜好做出未知项的评分预测。 User-Based CF算法可以分为4个步骤:数据表示、最近邻查询、评分...原创 2018-05-03 09:47:51 · 2587 阅读 · 0 评论 -
基于Spark实现推荐算法-4:基于物品的协同过滤(实现篇)
算法设计与实现基于物品的协同过滤又称Item-Based CF. 基于Spark的Item-Based CF算法其实现原理和步骤与经典方法基本一致,不同的地方主要在于具体步骤内的并行化计算。相似度算法在Spark MLlib中提供了余弦相似度的分布式实现,org.apache.spark.mllib.linalg.distributed包中的IndexedRowMatrix是一个...原创 2018-05-04 09:37:36 · 8781 阅读 · 3 评论