- 博客(21)
- 资源 (1)
- 收藏
- 关注
RSS订阅原创 MyMediaLite的Python版本
写了个MyMediaLite的Python版本。MyMediaLite是一个使用很广泛的推荐系统评测框架，目前有C#版本和Java版本，我这里参照Java版本写了个Python版本。目前暂时只集成了WRMF算法(Y. Hu, Y. Koren, C. Volinsky: Collaborative filtering for implicit feedback datasets. ICDM 2008
2016-11-18 11:16:14
914
1
原创 GBPR: Group Preference Based Bayesian Personalized Ranking for One-Class Collaborative Filtering
摘要解决方案Group Bayesian Personalized Ranking摘要在BPR方法中有两个基本假设可能不总是成立的：（1）两个用户之间彼此独立（2）对个体而言，两个产品的成对偏好。基于此这篇文章提出一种新的改进的假设：引入用户之间丰富的交互作用，所提方法为group Bayesian personalized ranking (GBPR)。作者引入了“群偏好”的概念，来放松之前
2016-11-13 14:00:09
1142
原创 利用社交关系提升个性化排序效果
Leveraging Social Connections to Improve Personalized Ranking for Collaborative Filtering文章主要思想介绍模型假设模型推导问题定义Leveraging Social Connections to Improve Personalized Ranking for Collaborative Filterin
2016-10-09 10:49:09
849
翻译 Factorization Machines with libFM
摘要FM是一种通用的方法，它能通过特征工程的方式模仿大部分分解模型。这样的话，FM就能在预测大型领域的两个实体变量之间的交互时结合特征工程的一般性和分解模型的优越性。LIBFM是FM的软件实现，实现了随机梯度下降（SGD），交替最小二乘（ALS）和使用MCMC进行贝叶斯推断的方法（MCMC）。本文从建模和学习两个角度总结了FM最近的研究进展，对ALS和MCMC算法进行了拓展；并对LIBFM工具进行了
2016-10-08 21:12:08
2435
翻译 Word Embedding模型: 词、短语及它们的组合的分布式表示
摘要 最近引入的连续Skip-gram模型是学习可以高质量分布式向量表示的有效方法，而这种分布式向量表示可以刻画大量精确的句法和语义关系。本文我们介绍了Skip-gram模型的多种扩展，它们可以提升向量的质量和训练速度。通过对频繁词进行重复采样我们可以极大地提升学习速度，学习到更有规律的单词表示。我们还描述了一种分层softmax的简单代替方案称作负抽样。 单词表示的内在局限是它们对单词顺序
2016-09-23 10:03:02
4770
3
翻译 加权异构信息网络中的基于语义路径的个性化推荐
摘要 传统的异构信息网络没有考虑链接上的属性值，而在异构信息网络中，由于推荐系统用户对产品评分值的存在（如1到5分的评分），目前广泛使用的元路径可能不能精确地刻画对象之间的语义联系。本文我们是首先通过区分不同的链接属性值提出加权异构信息网络和加权元路径的概念来刻画路径语义的。此外，我们提出了一种基于语义路径的个性化 推荐方法SemRec来预测用户对产品的评分。通过设置元路径，SemRec不仅
2016-08-02 16:29:37
2323
翻译 Hete-CF: 使用异构社交关系的协同过滤推荐算法
摘要：本文作者研究了在异构社交网络上的基于社交关系的推荐算法，提出了Hete-CF，一种使用异构关系的社会协同过滤算法。与现有方法不同，Hete-CF可以有效地利用异构社交网络中多种不同类型的关系。更重要的是，Hete-CF是一个一般化的推荐方法，因此可以应用于任意社交网络中，包括基于事件的社交网络，基于位置的社交网络，以及其它类型的与社交信息相关的异构信息网络。在真实数据集DBLP（一种典型的异构
2016-08-01 18:55:49
1104
原创 融合用户或产品属性的BPR模型
背景介绍问题分析预备知识属性到隐特征的映射kNN映射kNN-BPR线性映射lin-BPR背景介绍 BPR模型是Steffen Rendle提出的一种面向隐反馈偏好数据的排序模型，该排序模型较好地对用户的正负向反馈进行建模，且可以与传统的协同过滤模型如矩阵分解模型进行结合即BPR-MF，本文介绍如何在BPR-MF模型中融合用户或者产品属性，融合用户或者
2016-06-17 17:20:58
1650
1
翻译 EMI Music Data Science Hackathon冠军团队的技术报告
摘要引言预处理方法wordscsv用户生成测试数据集模型分解模型模型学习方法线性回归集成后处理摘要这篇报告描述了2012EMI音乐数据科学Hackathon中排名第一的盛大创新院的音乐推荐算法思路。他们使用了分解机器（大致看了下好像就是矩阵分解模型）和线性回归来融合大量特征。他们使用了用户的年龄，性别，工作状态，地区等其他用户资料来对用户兴趣进行建模。他们还融合了用户对EMI
2016-06-08 14:03:51
648
原创 基于在线评论的推荐系统研究综述
摘要引言互惠推荐和传统推荐朋友到朋友推荐的之前的研究社交网络指导者和被指导者的匹配在线约会在线约会的一项案例研究结论和未来研究摘要 最近几年，推荐系统的研究者提出了很多基于在线评论的推荐系统，旨在将用户文本评论中有价值的信息融入到用户建模和推荐过程中。先进的文本分析和观点挖掘技术使得我们可以抽取不同类型的评论中的元素，如评论讨论的主题，观点的多维特征，
2016-06-08 00:36:48
2048
原创 推荐评价指标之AUC
定义AUC的英文名称为Area under the ROC curve，即为ROC曲线下的面积。ROC曲线一般被用来评价某种分类器的分类效果。Steffen Rendle在他的经典文章BPR1中就利用AUC来评价BPR算法的预测效果。公式 在BPR文章的评价方法中，作者使用了留一法(Leave one out)评价方法：即对每个用户，从他的评分记录中随机抽取一个评分记录放入测试集，剩下的评分记录作为
2016-06-04 11:39:34
3085
1
原创 如何在模型中融合内容信息
如何在模型中融合内容信息COM：群推荐的生成模型3.5 融合内容信息 我们使用两个推荐任务来阐述如何融合在模型中融合内容信息，这两个推荐任务分别是场地推荐和电影推荐。 针对群体的场地推荐 人们经常会一起去某地购物，聚餐。针对群体的场地推荐旨在推荐群成员感兴趣的场地。对于场地推荐，地理距离是一个重要因素。之前的研究表明用户倾向于访问附近的场地，而访问场地的意愿也随着该地点到自
2016-06-02 09:58:57
689
翻译 社交网络中常用数据集
Meetup数据集该数据集爬取自meetup.com从2011年10月到2012年1月。Meetup.com是一个在线社会事件服务，帮助人们发布和参与面对面的事件。在Meetup上，社会事件由用户通过指定事件在何时何地发生了什么创造。然后创造的社会事件就可以选择用户或者公众参加，这些由事件的创造者控制。其他用户可以表达他们参与事件的意愿。为了促进在线交流，Meetup.com允许用户形成
2016-06-02 09:00:44
11604
3
翻译 SVDFeature
引言基本知识基本矩阵分解模型融合邻居信息使用隐式反馈模型学习引言 KDD-Cup上使用的Yahoo!音乐数据进行推荐与利用Netflix电影数据进行推荐的区别： （1）数据集跨度超过6000天，与电影相比，用户的音乐偏好更多样化，更不可预测，因为音乐的选择更多。此外，流派和艺术家的流行度变化也更快。需要考虑到时间变化效应； （2）训练数据和测试数据都有日期信
2016-05-28 10:41:17
1747
翻译 TimeSVD++：动态协同过滤推荐算法
时间感知的隐因子模型隐因子模型时间变化的基准预测方法时间变化的隐因子模型动态邻域模型时间感知的隐因子模型隐因子模型 静态隐因子模型 r^ui=qTipu\hat{r}_{ui} = q_i^Tp_u 为了学习向量pup_u和qiq_i我们对下面的正则化平方差公式最小化： minq∗,p∗∑(u,i)∈K(rui−qTipu)2+λ(∥qi∥2+∥pu∥2)\min_{q_*,p
2016-05-26 17:49:59
6887
2
翻译 社交网络中基于张量分解的好友推荐
社交网络中基于张量分解的好友推荐摘要引言相关研究问题描述所提好友推荐方法实验验证结论摘要社交网络中快速增长的用户对现有好友推荐系统提出了挑战。本文我们用张量分解模型基于用户的标签行为信息提出了一种新的推荐框架，解决社交网络中的好友推荐问题。该研究有两个主要贡献：（1）提出了一种新的张量模型来刻画社会化标签系统中用户、用户兴趣和朋友之间的潜在关联；（2）基于上述模型提出了一种新的好友推
2016-05-11 00:08:12
4982
翻译 基于两两交互张量分解模型的个性化标签推荐
基于PITF的个性化标签推荐摘要引言相关工作个性化标签推荐非个性化标签推荐张量分解模型成对交互模型个性化标签推荐形式化定义数据分析标签推荐的贝叶斯个性化排序BPRBPR最优化准则BPR学习算法张量分解模型塔克分解模型TDTF规范化分解模型CDTF成对交互张量分解模型PITFTDCD和PITF之间的关系实验评价数据集评价方法实验结果学习运行时间预测质量
2016-05-08 10:14:04
2826
翻译 BPR：面向隐偏好数据的贝叶斯个性化排序学习模型
BPR面向隐式反馈数据的贝叶斯个性化排序摘要引言相关研究个性化排序形式化定义问题分析BPR贝叶斯个性化排序BPR最优化准则AUC最优化类比BPR学习算法基于BPR的学习模型矩阵分解自适应k近邻BPR与其它方法的关系加权正则化矩阵分解WR-MF最大边缘矩阵分解MMMF实验评价数据集评价方法实验结果和讨论非个性化排序结论BPR：面向隐式反馈数据的贝叶斯个性化排
2016-05-04 16:01:38
8973
3
空空如也
TA创建的收藏夹 TA关注的收藏夹
TA关注的人