2019.10.11至2019.10.13期间,自己阅读了《推荐系统与深度学习》这本书。通过对书中的内容的学习,自己了解和掌握了推荐系统的基本知识、算法和架构。下面,自己将按照书中的内容顺序对每章的内容进行整理。
第一章 什么是推荐系统(对相关内容的简介)
1.1 推荐算法和系统
基于内容的推荐算法:涉及TF-IDF。
主流推荐算法:基于协同过滤的推荐算法。
该算法最早由亚马逊提出并应用。
可被划分为:物品协同过滤、用户协同过滤、基于模型的协同过滤。
其中,基于模型的协同过滤包括聚类模型和贝叶斯网络等。目前最为广泛使用的是奇异值分解SVD方法。考虑到用户的隐形行
为和时间变化的维度,在此基础上衍生出SVD++、time-SVD++、三维矩阵分解等法。
混合推荐系统:特征很重要!
可将推荐问题转化为分类问题,之后使用LR等模型进行CTR预测。
基于深度学习的推荐系统。
推荐系统的架构:要求线