推荐算法
关于推荐系统的相关知识
向日葵
秋水共长天一色
落霞与孤鹜齐飞
展开
-
贝叶斯平均:排序算法之二
贝叶斯平均贝叶斯平均思想和公式贝叶斯平均计算实例贝叶斯平均思想和公式前期讲过Wilson得分进行排序,解决了观看量很少,导致结果不可信的问题。Wilson评分虽然保证了排名的可靠性,但该排序方法也会大大削弱那种观看量少(小众的)的视频的得分,忽略了冷门视频和新事物的产生,这样排名榜上始终会是那些观看量高的视频,新视频和冷门的视频很难出来,长期靠后。这里就有一个问题:热门视频与冷门视频的平均得分,是否真的具有可比性?举个例子来说,一个热门视频每天2000次曝光,另外一个冷门视频只有50次曝光。很明显,使原创 2020-09-07 17:54:46 · 3570 阅读 · 0 评论 -
威尔逊得分:排序算法之一
最近在研究用户对不同类型的视频喜好的排序,故用到了威尔逊得分进行排序,对这个方法做个笔记,加深印象和理解。威尔逊得分方法主要综合考虑总数量和喜欢类型的比例p,而不是单独情况考虑(如下): 示例:喜剧视频在10次观看中,6次被喜欢,4次不被喜欢;运动类视频在1000次观看中,550次被喜欢,450次不被喜欢 问题:喜剧类视频和运动类视频哪个更受欢迎?第一种得分方法:得...原创 2020-03-07 17:41:53 · 5799 阅读 · 0 评论 -
协同过滤算法原理
本文主要讲解基于用户(User-CF)和基于物品(Item-CF)的协同过滤推荐算法的原理推荐算法主要基于用户历史行为信息获取数据,找到相似的用户和商品,并对用户进行推荐可能感兴趣的商品。对用户进行推荐主要有两类:1.基于用户的协同过滤(User-CF) 用户A对商品y的喜好 = 用户B对商品y的喜好程度 * 用户A和B的相似度2.基于商品的协同过滤(Item...原创 2019-10-31 13:11:52 · 1452 阅读 · 1 评论