![](https://img-blog.csdnimg.cn/20201014180756926.png?x-oss-process=image/resize,m_fixed,h_64,w_64)
推荐算法
茅坤宝骏氹
语言:Java、C/C++、C#、Python、Linux Shell。
框架:Spring、Spring MVC、Spring Boot、Spring Cloud、Hibernate、Mybatis、Freemarker、Velocity。
前端:HTML5、CSS3、JavaScript、Bootstrap、JQuery、Vue、React。
数据库:oracle、mysql、MongoDB、HBase。
缓存:Memcache、Redis。
消息队列:kafka。
大数据:Hadoop、Hive、Sqoop、Flume、Spark、Strom、OpenTSDB、Druid。
展开
-
3分钟了解“关联规则”推荐
转载自 3分钟了解“关联规则”推荐“把啤酒放在尿布旁,有助于提升啤酒销售量”是关联规则推荐的经典案例,今天,和大家聊聊“关联规则推荐”,正文不含任何公式,保证PM弄懂。 一、概念什么是关联规则(Association Rules)?答:关联规则是数据挖掘中的概念,通过分析数据,找到数据之间的关联。电商中经常用来分析购买物品之间的相关性,例如,“购买尿布的用户,有大概率购买啤酒”,这就是一个关联规则...转载 2018-04-18 20:39:44 · 1535 阅读 · 0 评论 -
推荐系统常用的推荐算法
转载自 推荐系统常用的推荐算法一、推荐系统概述和常用评价指标1.1 推荐系统的特点在知乎搜了一下推荐系统,果真结果比较少,显得小众一些,然后大家对推荐系统普遍的观点是:(1)重要性UI>数据>算法,就是推荐系统中一味追求先进的算法算是个误区,通常论文研究类的推荐方法有的带有很多的假设限制,有的考虑工程实现问题较少,推荐系统需要大量的数据整理和转化,同时更需要考虑公司业务特性以及与现有...转载 2018-06-16 09:58:30 · 12444 阅读 · 0 评论 -
常用的推荐算法小结
转载自 常用的推荐算法小结推荐系统的必然互联网发展到现阶段,信息已经不是匮乏,而是爆炸。所以良好的用户体验就是把用户喜欢的,感兴趣的从大量的数据中筛选出来,再呈现给用户,实现千人千面的效果。所以推荐系统的出现就是必然了,他可以推荐每个用户感兴趣的产品,同时也将每个产品呈现到感兴趣的用户面前。实现用户和产品的双赢。推荐系统架构一个常见的推荐系统架构一般如下图: 可以看到分为数据来源、推荐引擎和...转载 2018-06-16 09:58:41 · 1784 阅读 · 0 评论 -
推荐算法-关联分析(关联规则)
转载自 推荐算法-关联分析(关联规则)关联分析又称关联挖掘,就是在交易数据、关系数据或其他信息载体中,查找存在于项目集合或对象集合之间的频繁模式、关联、相关性或因果结构。或者说,关联分析是发现交易数据库中不同商品(项)之间的联系。关联分析是一种简单、实用的分析技术,就是发现存在于大量数据集中的关联性或相关性,从而描述了一个事物中某些属性同时出现的规律和模式。关联分析是从大量数据中发现项集之间有...转载 2018-06-16 09:58:51 · 6973 阅读 · 0 评论 -
关联分析:FP-Growth算法
转载自 关联分析:FP-Growth算法关联分析又称关联挖掘,就是在交易数据、关系数据或其他信息载体中,查找存在于项目集合或对象集合之间的频繁模式、关联、相关性或因果结构。关联分析的一个典型例子是购物篮分析。通过发现顾客放入购物篮中不同商品之间的联系,分析顾客的购买习惯。比如,67%的顾客在购买尿布的同时也会购买啤酒。通过了解哪些商品频繁地被顾客同时购买,可以帮助零售商制定营销策略。关联分析也可...转载 2018-06-16 09:59:06 · 999 阅读 · 0 评论 -
基于内容的推荐(Content-based Recommendations)
转载自 基于内容的推荐(Content-based Recommendations) Collaborative Filtering Recommendations (协同过滤,简称CF) 是目前最流行的推荐方法,在研究界和工业界得到大量使用。但是,工业界真正使用的系统一般都不会只有CF推荐算法,Content-based Recommendations (CB) 基本也会是其中的一部分。 ...转载 2018-06-16 09:59:17 · 688 阅读 · 0 评论 -
常用推荐算法
转载自 常用推荐算法 在推荐系统简介中,我们给出了推荐系统的一般框架。很明显,推荐方法是整个推荐系统中最核心、最关键的部分,很大程度上决定了推荐系统性能的优劣。目前,主要的推荐方法包括:基于内容推荐、协同过滤推荐、基于关联规则推荐、基于效用推荐、基于知识推荐和组合推荐。一、基于内容推荐 基 于内容的推荐(Content-based Recommendation)是信息过滤技术的...转载 2018-06-16 09:59:33 · 1310 阅读 · 0 评论 -
UserCF,基于用户的协同过滤算法
转载自 UserCF,基于用户的协同过滤算法UserCF:User Collaboration Filter,基于用户的协同过滤算法核心思想:在一个在线推荐系统中,当用户A需要个性化推荐时,可以先找到和他有相似兴趣的其它用户,然后把那些用户喜欢的、而用户A没有听说过的物品推荐给A,这种方法称为基于用户的协同过滤算法。==>可以看出,这个算法主要包括两步:一、找到和目标用户兴趣相似的...转载 2018-06-16 09:59:43 · 1061 阅读 · 0 评论 -
ItemCF,基于物品的协同过滤算法
转载自 ItemCF,基于物品的协同过滤算法ItemCF:Item Collaboration Filter,基于物品的协同过滤算法核心思想:给用户推荐那些和他们之前喜欢的物品相似的物品。比如,用户A之前买过《数据挖掘导论》,该算法会根据此行为给你推荐《机器学习》,但是ItemCF算法并不利用物品的内容属性计算物品之间的相似度,它主要通过分析用户的行为记录计算物品之间的相似度。==>该算...转载 2018-06-16 09:59:52 · 3275 阅读 · 0 评论 -
1分钟了解协同过滤,pm都懂了
转载自 1分钟了解协同过滤,pm都懂了工程架构方向的程序员,看到推荐/搜索/广告等和算法相关的技术,心中或多或少有一丝胆怯。但认真研究之后,发现其实没有这么难。 今天的1分钟系列,给大家介绍下推荐系统中的“协同过滤”,绝无任何公式,保证大伙弄懂。 什么是协同过滤(Collaborative Filtering)?答:通过找到兴趣相投,或者有共同经验的群体,来向用户推荐感兴趣的信息。 举例,如何协同...转载 2018-04-18 20:45:40 · 200 阅读 · 0 评论 -
1分钟了解基于内容的推荐,pm又懂了
转载自 1分钟了解基于内容的推荐,pm又懂了什么是基于内容的推荐(Content-based Recommendation)?答:通过用户历史感兴趣的信息,抽象信息内容共性,根据内容共性推荐其他信息。 比如,如何通过基于内容的推荐,来对求职者A进行职位推荐?答:简要步骤如下找到用户A历史感兴趣的职位集合找到职位集合的具化内容抽象具化内容的共性内容由这些共性内容查找其他职位,并实施推荐 具体实施步骤...转载 2018-04-18 20:42:31 · 415 阅读 · 0 评论 -
1分钟了解相似性推荐
转载自 1分钟了解相似性推荐前几天聊的“协同过滤(Collaborative Filtering)”和“基于内容的推荐(Content-based Recommendation)”,都必须分析用户的历史行为数据(例如电影点击数据,职位查看数据等),针对不同的用户进行个性化推荐。如果系统没有用户的历史行为数据积累,如何实施推荐呢? 今天接着用通俗的语言说说推荐算法中的“相似性推荐”。 什么是“相似性...转载 2018-04-18 20:41:20 · 197 阅读 · 0 评论 -
常用的推荐算法解析
转载自 常用的推荐算法解析1. 前言 随着互联网技术和社会化网络的发展,每天有大量包括博客,图片,视频,微博等等的信息发布到网上。传统的搜索技术已经不能满足用户对信息发现的需求,原因有多种,可能是用户很难用合适的关键词来描述自己的需求,也可能用户需要更加符合他们兴趣和喜好的结果,又或是用户无法对自己未知而又可能感兴趣的信息做出描述。推荐引擎的出现,可以帮用户获取更丰富,更符合个人...转载 2018-06-16 09:58:14 · 1594 阅读 · 0 评论