![](https://img-blog.csdnimg.cn/20201014180756927.png?x-oss-process=image/resize,m_fixed,h_64,w_64)
Recommended System
文章平均质量分 65
litoupu
浙大CS硕士,研究方向数据库、数据挖掘、海量数据管理、网络安全。
展开
-
SVD分解的理解
转载:http://www.bfcat.com/index.php/2012/03/svd-tutorial/SVD分解(奇异值分解),本应是本科生就掌握的方法,然而却经常被忽视。实际上,SVD分解不但很直观,而且极其有用。SVD分解提供了一种方法将一个矩阵拆分成简单的,并且有意义的几块。它的几何解释可以看做将一个空间进行旋转,尺度拉伸,再旋转三步过程。首先来看一个对角矩阵,转载 2013-10-22 21:43:08 · 868 阅读 · 0 评论 -
使用LFM(Latent factor model)隐语义模型进行Top-N推荐
原文地址:http://blog.csdn.net/harryhuang1990/article/details/9924377最近在拜读项亮博士的《推荐系统实践》,系统的学习一下推荐系统的相关知识。今天学习了其中的隐语义模型在Top-N推荐中的应用,在此做一个总结。隐语义模型LFM和LSI,LDA,Topic Model其实都属于隐含语义分析技术,是一类概念,他们在本质上是相通的,都转载 2013-11-25 14:37:08 · 33988 阅读 · 13 评论 -
信息检索IR的评价指标综述
http://blog.sina.com.cn/s/blog_72995dcc01013oo9.html特别是F1、MAP、NDCG的计算方法,实际中用的较多原创 2014-02-26 11:21:28 · 1225 阅读 · 0 评论 -
Based Graph 推荐算法学习
Pagerank算法是和query无关的,计算 top sensitive pagerank值,可以用叠代的方法,即 f(t+1) = alpha * P*f(t) +(1-alpha)*y 上面的f最终收敛于最终计算可以直接计算下面的公式即可得到近似的迭代结果,效果和叠代基本一致,相差一个倍数关系 不影响最终的Rank结果。f = (I-alpha* P的转置)的逆 *y原创 2014-02-17 15:17:48 · 2474 阅读 · 0 评论 -
事非经过不知难-阿里大数据推荐大赛总结
1、成绩单大赛地址:http://102.alibaba.com/competition/addDiscovery/gameTopic.htm最终成绩:http://102.alibaba.com/competition/addDiscovery/totalRank.htm参赛队伍数:7276 S1: 成绩F1|排名 7.07%|205原创 2014-08-02 18:08:02 · 25585 阅读 · 22 评论