推荐系统
overstack
中大研究生喜欢linux后台技术各种架构研究方向是机器学习和数据挖掘
展开
-
Slope one:简单高效的推荐算法
推荐系统最早在亚马逊的网站上应用,根据以往用户的购买行为,推荐出购买某种产品同时可能购买的其他产品,国内做的不错的当当网,有时候买书,它总能给我推荐出我感兴趣的其他书来,也算是技术极大的促进了销售。 一般的协同过滤算法,首先是收集用户对事物(产品)的评分情况,一种直接对某本书,或者某个歌曲打分,另种是隐性的打分,比如商务系统中,购买了表示打2 分,浏览了打1分,其他的0分。我比较看好隐转载 2012-12-03 12:34:05 · 2870 阅读 · 0 评论 -
Recsys2013论文导读
月中在香港参加recsys2013会议,文章不少,对我有价值的并不算多,再跟目前工作相关的就更少了。这里过滤了几篇我觉得比较有意思的文章,加上了自己的理解,作为导读。A Fast Parallel SGD for Matrix Factorization in Shared Memory Systems (best paper,p249.pdf)这篇来自台湾国立大学libsvm团队转载 2014-01-05 23:12:06 · 8671 阅读 · 0 评论 -
svd++
SVD++ refers to a matrix factorization model which makes use of implicit feedback information. In general, implicit feedback can refer to any kinds of users' history information that can help indi转载 2013-05-31 20:50:21 · 7112 阅读 · 1 评论 -
在Quora上关于netflix的top model的总结
I'll try to describe some of the ideas here. Matrix factorization techniques and ensemble methods are perhaps the algorithms most often discussed in connection with the Netflix Prize, but a lot of o转载 2013-11-19 00:10:53 · 1726 阅读 · 0 评论 -
推荐系统中矩阵分解方法:svd,非对称svd和svd++的区别
Some SVD-inspired methods used in the Netflix Prize include:Standard SVD: Once you've represented users and movies as factor vectors, you can dot product Alice's vector with Inception's vector t转载 2013-11-18 23:52:02 · 4928 阅读 · 0 评论 -
Implicit data and collaborative filtering(隐式反馈和协同过滤)
这片文章来自spotify,一个美国音乐推荐网站软件工程师ERIK BERNHARDSSON的文章,文章解释了推荐系统当中常见的几个误区和他自己的一个理解。A lot of people these days know about collaborative filtering. It’s that Netflix Prize thing, right? People rate thi转载 2013-11-15 00:30:58 · 2284 阅读 · 0 评论 -
spotify上关于推荐的一个benchmark
A lot of people have asked me what models we use for recommendations at Spotify so I wanted to share some insights. Here’s benchmarks for some models. Note that we don’t use all of them in production.转载 2013-11-15 00:12:16 · 1642 阅读 · 0 评论 -
Introduction to Restricted Boltzmann Machines
IntroductionSuppose you ask a bunch of users to rate a set of movies on a 0-100 scale. In classical factor analysis, you could then try to explain each movie and user in terms of a set of latent f转载 2012-12-18 00:17:46 · 1228 阅读 · 0 评论 -
Hulu实验报告:点击率评测推荐系统合适吗?
Anand Rajaraman和Jeffrey Ullman合著的新书(更准确地说是草稿)Mining of Massive Datasets可以下载了。按kdnuggets.com的说法好像是刚刚放出来的。Anand Rajaraman是Kosmix公司的联合创始人。Jeffrey Ullman大家应该不陌生,他著作的形式化语言和数据库原理方面的教材都是相应领域的奠基之作。从目录看这本书的水准和转载 2012-11-22 16:45:38 · 1285 阅读 · 0 评论 -
简评《基于用户投票的排名算法》
最近微博timeline上老是出现一些关于《基于用户投票的排名算法》的讨论,一直没认真读。今天又有人在讨论,花了点时间仔细读了一下,写的真是不错,让我立马有了更新一下自己的空间的冲动。文章的作者是阮一峰。第一次注意到他是读《黑客与画家》的时候,他是译者。当时略有些纳闷,阮一峰不是做时政评论的么,怎么还翻译畅销书?今天就更纳闷了,怎么做时政评论的还搞计算机技术的普及?特意查了一下,原来搞时政评论的叫转载 2012-11-22 16:40:02 · 900 阅读 · 0 评论 -
为什么不能通过优化RMSE得到Top-K Recommendations?
前几天写《RMSE for Top-K Recommendations:高手的盲点?》查文献时,注意到Google Recsys兴趣小组在去年就有这方面的讨论。因为已经快写完了,所以没有对Recsys兴趣小组提到的一些点深入讨论。今天针对Recsys兴趣小组的讨论,谈一些我的看法。1)为什么不能通过优化RMSE得到Top-K Recommendations?优化RMSE,实际上就是转载 2012-11-22 16:37:15 · 1471 阅读 · 0 评论 -
YouTube转向Amazon的推荐算法
Greg Linden,亚马逊早期推荐系统的主要贡献者,在最近的博文《YouTube uses Amazon's recommendation algorithm》中讨论了YouTube在RecSys 2010上的一篇论文,因为该文报告,目前YouTube的推荐算法主要采用Item-based方法和Ranking方法。YouTube在WWW 2008上曾经报告过他们使用Random Walk方转载 2012-11-22 16:34:34 · 741 阅读 · 0 评论 -
2011推荐系统论坛游记:爱的反义词不是恨
上周日参加了2011推荐系统论坛一日游,来自Yahoo!,淘宝,百度,Google和Hulu的技术人员分享了他们在推荐系统相关领域的经验和想法。这一周陆陆续续看到一些网友写的游记,很多对论坛的内容有详细的分析和介绍。今天我也写点,主要讨论一些印象比较深的话题。1. Yahoo!的Yehuda Koren的演讲Netflix Prize大赛之后,Yehuda Koren已经成为明星级转载 2012-11-22 16:30:50 · 1431 阅读 · 0 评论 -
aDev第13期#个性化推荐技术#总结(Part I:袁全@一淘)
Talk1:Large-scale Ecommerce RS in Etao,袁全@一淘[ppt下载地址:http://vdisk.weibo.com/s/gNumS] 1. 关于用户的行为数据,作者的经验是用户的点击与购买数据比收藏、打分与观看更有用。与购买数据相比,点击数据在做相关性推荐时(如用户在查看泳衣时给他推荐其他款泳衣)更有效,而做补充性推荐时(如用户购买了泳衣转载 2012-12-03 21:16:04 · 930 阅读 · 0 评论 -
Facebook的朋友推荐系统
Facebook的新朋友关系中有92%来自于朋友的朋友(FOFs), 来自于Facebook的数据科学家Lars Backstrom在eswc2011的talk中介绍了他们是如何对FOFs进行排序,并最终为用户产生朋友推荐的全过程。上不了videolectures.net的童鞋也可以在http://vdisk.weibo.com/s/b9GAF下载对应的slides。 下面这幅图摘自演转载 2012-12-03 20:58:44 · 1707 阅读 · 0 评论 -
寻路推荐(理念篇)
两年多前,我在阿里技术沙龙讲了一个名为“寻路推荐”的topic,介绍了自己在豆瓣时代做的几个典型案例,属于比较务实的一个topic,自己把它定位为“实践篇”。随后一直想整理一个务虚版的“理念篇”,作为前置于“执行”的“思辨”过程,顺便把自己的寻路历程补充完整。来到阿里这大半年,无论技术层面还是产品/业务层面,与前厂对比都非常强烈,也极大地刺激了自己的思维。感谢豆瓣给了我独立思考的空间和充分转载 2014-06-05 17:16:41 · 5351 阅读 · 0 评论