- 博客(8)
- 收藏
- 关注
RSS订阅原创 推荐系统实战第七章 ｜ 推荐系统实例
推荐系统实战第七章 ｜ 推荐系统实例1、外围架构数据规模和是否需要实时存取，不同的行为数据将被存储在不同的媒介当中。需要实时存取的数据存储在数据库和缓存中大规模的非实时地存取数据存储在分布式文件系统（如HDFS）中。2、推荐系统架构推荐系统的核心任务：1）如何为给定用户生成特征人口统计学特征、用户的行为特征、用户的话题特征2）如何根据特征找到物品最新推荐，商品推荐，推荐不同种类的物品，混合推荐，推荐不同新颖度的产品多引擎组合成推荐系统推荐系统是由多个推荐引擎组成的，每个推荐引擎负责一
2020-07-01 23:08:42
463
原创 推荐系统实战第六章 | 利用社交网络数据
推荐系统实战第六章 | 利用社交网络数据1、获得社交网络数据的方式1）电子邮件。电子邮箱的后缀，是都来自同一个组织、公司等。2）用户注册信息。用户在哪家公司工作、学习过等。隐形的社交网络数据。3）用户的位置数据。IP地址、GPS数据4）论坛和讨论组。是否对同样的事情感兴趣。5）即时聊天工具。6）社交网络。社会图谱和兴趣图谱。2、社交网络数据简介社交网络数据类型1）双向确认的社交网络数据。2）单项关注的社交网络数据。3）基于社区的社交网络数据。豆瓣小组、论文数据集、同一家公司工作、同一
2020-06-28 16:27:57
519
原创 推荐系统实战第五章 ｜ 利用上下文信息
推荐系统实战第五章 ｜ 利用上下文信息上下文包括：用户访问推荐系统的时间、地点、心情等一系列外在因素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1）用户兴趣是变化的。年龄、工作状态的变化会导致用户兴趣的变化。对于渐变兴趣的用户，可以关注用户最近的行为表现；突变兴趣用户难起作用。2）物品也是有生命周期的。电影的上映周期、新闻。3）季节效应。夏天穿T恤吃冰棍，冬天穿棉衣等。1.2 时间效应举例社交软件：facebook、twitter等手机品牌：iphone1.3 系统
2020-06-28 12:58:23
349
原创 推荐系统实战第四章 ｜利用用户标签数据
推荐系统实战第四章 ｜利用用户标签数据1、UGC标签系统的代表应用A. 让用户对内容贴标签。具体的应用案例包括：delicious，CiteULike，Last.fm，豆瓣，HuluB. 标签系统的作用1）表达 表达对物品的看法2）组织 组织喜欢的内容3）学习 增加对电影的了解4）发现 更容发现喜欢的电影5）决策 判定是否看一部电影2、标签系统中的推荐问题标签系统中的两个推荐问题1）如何利用用户打标签的行为，为其推荐物品（基于标签的推荐）2）如何在用户给物品打标签时，为其推荐适合
2020-06-26 20:16:06
574
原创 推荐系统实战第三章 ｜推荐系统冷启动问题
推荐系统实战第三章 - 推荐系统冷启动问题冷启动定义：如何在没有大量用户数据的情况下，设计个性化推荐系统并且让用户对推荐结果满意，从而愿意使用。1、冷启动问题简介1.1 冷启动问题分类1）用户冷启动如何给新用户做个性化推荐的问题，无用户历史数据如何做个性化推荐。2）物品冷启动如何将新的物品推荐给可能对它感兴趣的用户。3）系统冷启动如何在一个新开发的网站上，没有用户也没有用户行为，只有一些物品信息设置个性化推荐系统，从而在网站刚发布时，就让用户体验到个性化推荐服务。1.2 当前的解决方
2020-06-26 16:46:28
342
原创 推荐系统实战第二章 ｜ 利用用户行为数据
推荐系统实战第二章 - 利用用户行为数据一、用户行为数据简介用户行为分类a. 显性反馈行为：用户明确表示对物品喜好的行为；比如评分，反馈喜好与否b. 隐性反馈行为：页面浏览行为用户行为分析2.1 用户活跃度和物品流行度的分布长尾分布：英文中大部分词的词频很低，只有很少的词被经常使用2.2 用户活跃度和物品流行度的关系仅仅基于用户行为数据设计的推荐算法一般称为协同过滤算法。分类： 基于用户的协同过滤算法 & 基于物品的协同过滤算法实验设计和算法评测3.1 数
2020-06-25 15:25:20
459
原创 推荐系统实战第一章｜好的推荐系统
推荐系统实战第一章一、背景二、正经学习三、写给自己一、背景本博客只记录了个人认为有益的知识要点，不适用所有人。二、正经学习第一章推荐算法分类1.1 社会化推荐：好友推荐1.2 基于内容的推荐：基于用户本身的喜好内容进行相关推荐1.3 基于协同过滤的推荐：兴趣爱好交叉导向型，推荐喜好交叉其他用户的内容给用户个性化广告投放的技术2.1 上下文广告：分析用户正在浏览的网页内容投放和网页内容相关的广告。谷歌adsense2.2 搜索广告：通过分析用户在当前绘画中的搜索记录判断用户的搜索
2020-06-24 23:24:25
296
空空如也
空空如也
TA创建的收藏夹 TA关注的收藏夹
TA关注的人