- 博客(6)
- 资源 (1)
- 收藏
- 关注
RSS订阅原创 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
1740
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
753
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
2096
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
3193
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
708
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
11736
3
空空如也
TA创建的收藏夹 TA关注的收藏夹
TA关注的人