- 博客(4)
- 收藏
- 关注
RSS订阅原创 推荐系统-矩阵分解
推荐系统-矩阵分解为什么要矩阵分解先说几点邻近模型的问题：1.物品之间存在相关性，信息量并不随着向量维度增加而线性增加；2.矩阵元素稀疏，计算结果不稳定，增减一个向量维度，导致邻近结果差异很大的情况存在。上述两个问题，在矩阵分解中可以得到解决。矩阵分解，直观上说来就是把原来的大矩阵，近似分解成两个小矩阵的乘积，在实际推荐计算时不再使用大矩阵，而是使用分解得到的两个小矩阵。具体说来就是，假设用户物品的评分矩阵 A 是 m 乘以 n 维，即一共有 m 个用户，n 个物品。我们选一个很小的数 k，这个
2021-01-31 11:10:17
386
原创 推荐系统-近邻推荐
推荐系统-近邻推荐说到推荐系统，最先想到肯定是协同过滤。协同过滤的重点在于协同”，所谓协同，也就是群体互帮互助，互相支持是集体智慧的体现，协同过滤也是这般简单直接，历久弥新。协同过滤当推荐系统先使用基于内容推荐的推荐系统之后，就有了可观的用户行为了，这些用户行为通常是正向的，也就是用户或名或暗的表达出自己喜欢的行为。这些行为可以表达成一个用户和物品的关系矩阵，或者说网络，或者是说图，其实都是一个东西。上述的用户物品的关系矩阵是协同过滤算法中最为重要的。协同过滤通常划分为两类：基于记忆的协同过滤；基于模
2021-01-26 11:35:48
247
原创 推荐系统-内容推荐
推荐系统-内容推荐用户画像一个推荐系统大概有三步：认识每一个用户->给他推荐他感兴趣的东西->各种指标上升。用户画像(User Profile)大体分为给机器看的和给人看的，其中给人看的一般是运营，产品等用的。我们这里只关注给机器看的。我们知道要对用户和物品进行计算，是需要对数据进行计算的，因此我们首先就要将用户和物品都向量化，用户向量化后的结果，就是User Profile，俗称“用户画像”，所以，用户画像不是推荐系统的目的，而是在构建推荐系统过程中产生的一个关键环节的副产品。用户画像
2021-01-20 11:14:57
938
原创 推荐系统-基础概念
推荐系统-基础概念推荐系统是什么 推荐系统是一种信息过滤系统，手段是预测用户(User)对物品(Item)的评分和偏好。 推荐系统做什么？它可以把用户和物品之间能产生的联系提前找出来。推荐系统需要做什么？从已有的连接去预测未来的连接。推荐系统怎么做？机器推荐和人工推荐，相对应就是个性化推荐以及编辑推荐。推荐系统的问题模式 推荐系统的使命是为用户和物品建立连接，方式是提前找出那些隐藏的连接呈现给用户，这属于一个预测问题，又可以细分为评分预测和行为预测。评分预测 比如：用户消费完一个物品之
2021-01-18 14:37:20
248
空空如也
空空如也
TA创建的收藏夹 TA关注的收藏夹
TA关注的人