![](https://img-blog.csdnimg.cn/20201014180756754.png?x-oss-process=image/resize,m_fixed,h_64,w_64)
推荐系统
文章平均质量分 83
Gwynbleidddd
这个作者很懒,什么都没留下…
展开
-
头条NLP推荐系统项目(1)——项目架构与数据导入
11.1 黑马头条推荐业务架构介绍1.1.1业务在头条APP海量用户与海量文章之上,使用lambda大数据实时和离线计算整体架构,利用黑马头条用户在APP上的点击行为、浏览行为、收藏行为等建立用户与文章之间的画像关系,通过机器学习推荐算法进行智能推荐1.1.2 架构与业务流1、用户的行为收集,业务数据收集2、批量计算(离线计算):用户文章画像3、用户的召回结果、排序精选过程4、grpc的实时推荐业务流的搭建缓存1.3 开发环境介绍1.3.1 虚拟机设备1.3.3 python原创 2021-03-01 19:51:00 · 828 阅读 · 5 评论 -
推荐系统项目基础(七)基于内容的推荐系统
这里写目录标题简介基于内容的推荐实现步骤画像构建用户画像物品画像简介基于内容的推荐比较直接,以物品的内容描述信息作为依据来进行推荐,本质上是基于物品和用户自身的特征进行分析和计算基于内容的推荐实现步骤画像构建用户画像物品画像...原创 2021-01-03 16:22:50 · 726 阅读 · 0 评论 -
推荐系统项目基础(六)基于LFM的推荐系统
推荐系统项目基础(六)基于LFM的推荐系统从SVD到FunkSVD从SVD到FunkSVD传统的SVD矩阵分解将一个矩阵分解为三个矩阵,对于一些缺失值需要进行矩阵的填充,这会对原有的数据产生噪声。FunkSVD将矩阵分解为2个矩阵,分别为用户-隐含特征矩阵,与项目-隐含特征矩阵。Funk SVD也被成为最原始的LFM模型。$$$$...原创 2020-12-28 22:13:55 · 501 阅读 · 0 评论 -
推荐系统项目基础(五)基于内容的推荐
推荐系统项目基础(五)基于内容的推荐基于内容的推荐算法基于内容的推荐与基于物品协同过滤基于内容的推荐算法所谓基于内容的推荐算法(Content-Based Recommendations)是基于标的物相关信息、用户相关信息及用户对标的物的操作行为来构建推荐算法模型,为用户提供推荐服务。这里的标的物相关信息可以是对标的物文字描述的metadata信息、标签、用户评论、人工标注的信息等。或者是本身内容的相关标签(例如通过tfidf,Word2vec的方式进行向量计算)。其核心是基于画像(特征)进行推送。原创 2020-12-22 15:19:41 · 345 阅读 · 0 评论 -
推荐系统项目基础(四)推荐系统的冷启动
推荐系统项目基础(四)推荐系统的冷启动推荐系统的冷启动概念用户的冷启动物品的冷启动系统的冷启动推荐系统的冷启动概念本质是推荐系统依赖历史数据,没有历史数据没有办法预测用户偏好。用户的冷启动1、尽可能的收集用户特征,构建用户画像。例如注册信息,年龄,地域,性别等2、引导用户填写兴趣3、使用其他站点的行为数据4、新老用户的推荐策略的差异新用户在冷启动阶段更倾向于热门排行榜ee力度使用单独的特征和模型预估物品的冷启动1、给物品打标签2、利用物品的内容信息,投放给曾经喜欢过和它内容相原创 2020-12-22 10:46:59 · 131 阅读 · 0 评论 -
推荐系统项目基础(三)基于模型的协同过滤
推荐系统项目基础(三)基于模型的协同过滤基于图的协同过滤算法基于矩阵分解的协同过滤算法Funk SVD计算funk SVD矩阵方式ALS交替最小二乘法梯度下降算法基于图的协同过滤算法基于相邻域的模型可以看做基于图的模型的简单形式将用户行为数据表示为二分图基于二分图为用户进行推荐根据两个顶点之间的路径树、路径长度和经过的顶点数来评价两个顶点的相关性。基于矩阵分解的协同过滤算法针对真正的生产环境中,经常会存在缺失的数据,无法给出默认值。也无法使用缺失的向量进行相乘计算,所以需要一种方法解决数据原创 2020-12-21 21:17:43 · 937 阅读 · 0 评论 -
推荐系统项目基础(二)基于相似度的协同过滤
推荐系统项目基础(二)协同过滤协同过滤算法用户协同过滤User-based CF商品协同过滤Item-based CF计算相似度余弦相似度皮尔逊相似度Jarccard相似度基于Jarccard相似度计算例子协同过滤算法用户协同过滤User-based CF从上图可以看出User-based CF的计算过程为:维护一张用户之间的相似表计算每个用户之间的相似度得到最接近的用户得到所有接近用户的购买数据根据购买数据推荐没有购买过的物品商品协同过滤Item-based CF基于商品过滤的不原创 2020-12-21 16:06:54 · 646 阅读 · 0 评论 -
推荐系统项目基础(一)推荐系统基本概念
经典的架构Lamda大数据处理框架Lambda 架构总共由三层系统组成:批处理层(Batch Layer),速度处理层(Speed Layer),以及用于响应查询的服务层(Serving Layer)。批处理层使用可处理大量数据的分布式处理系统预先计算结果。它通过处理所有的已有历史数据来实现数据的准确性。这意味着它是基于完整的数据集来重新计算的,能够修复任何错误,然后更新现有的数据视图。输出通常存储在只读数据库中,更新则完全取代现有的预先计算好的视图。速度处理层会实时处理新来的大数据。举例来说原创 2020-12-21 12:49:35 · 661 阅读 · 1 评论