推荐系统
文章平均质量分 79
“Recommender Systems Specialization“ courses from the University of Minnesota.
每天学一点吧
这个作者很懒,什么都没留下…
展开
-
稀疏矩阵的常用存储格式(COO、CSR、CSC)
图是用于描述对象间关系的基本结构,顶点表示对象,边表示连接关系。根据连接关系的紧密可以将图分为稀疏图和稠密图,两者是相对的概念,并不存在明确的划分界限。稀疏图可以理解为仅有少部分对象间存在关联,稠密图反之。实际应用中的图往往都是稀疏图。采用直观的办法来存储图往往会造成极大的空间浪费,如邻接矩阵(稀疏图对应的邻接矩阵中绝大部分的元素为零,无实际意义)。因此需要考虑寻求其它格式来进行高效存储。原创 2022-02-20 20:54:42 · 12611 阅读 · 2 评论 -
【Week 1】Taxonomy of Recommenders I
内容来源:“Recommender Systems Specialization” course of 明尼苏达大学 (University of Minnesota) at Coursera原创 2021-12-21 11:44:33 · 54 阅读 · 0 评论 -
【LeetCode】452 and 1154
452. 用最少数量的箭引爆气球解法:排序+贪心对于某个气球,沿着其右边界射箭,能够尽可能射中最多的气球,所有左边界小于其右边界的均被射中。因此想要求最小弓箭数,即找到数组中最少非重叠子区间数。求解方式如下:1、先对数组按右边界升序排序。2、维护指针pos,用于表明当前子区间右边界,初始为point[0][1]。3、遍历数组,若左边界小于等pos,则区间之间相互重叠,可用一支箭射中,若左边界大于pos,则为新的子区间,更新pos为point[i][1],弓箭数量+1.贪心的思想是每次取右边界,原创 2021-12-21 10:29:58 · 51 阅读 · 0 评论 -
【Week 1】Predictions and Recommendations —— The output of recommender
内容来源:“Recommender Systems Specialization” course of 明尼苏达大学 (University of Minnesota) at Coursera原创 2021-12-20 18:10:48 · 81 阅读 · 0 评论 -
【Week 1】Preferences and Ratings
Learning ObjectivesUnderstand what data recommenders can use to learn what users likeIdentify types of data collected from usersUnderstand when different data types are possible and appropriateBe able to identify types of preference data likely used i原创 2021-12-20 15:03:20 · 83 阅读 · 0 评论 -
【Week 1】Intro to Recommender System
Learning Objectives理解什么是推荐系统相关的一些历史和背景HistoryThe concept of critics —> information retrieval and information filtering —> Manual Collaborative Filtering —> Automated Collaborative Filtering —> The Commercial EraThe concept of critics历史上原创 2021-12-19 22:13:05 · 309 阅读 · 0 评论