推荐系统
davendw
渴求思想与思想的碰撞,完善智慧人生
展开
-
结合协同过滤和个性化AGENT的增强推荐(续)
(续)假设和实验设计在这篇论文中,我们系统的探索了协同过滤、信息过滤和不同的这些技术的组合体以用来制成一个新的更有效的个人推荐系统。具体而言,我们关注以下四个关键的模型(如图一所示):图一 四个推荐系统的模型 最顶上的模型是使用用户意见、最底下的模型是只使用IF服务器、最左边的模型是使用多重IF服务器以及最左边的只使用一个IF服务器。在每个模型中用户都会收到个性化的推荐。...翻译 2017-11-06 22:57:23 · 770 阅读 · 0 评论 -
结合协同过滤和个性化AGENT的增强推荐(再续)
结果H1 用户群体意见比单一个性化服务器提供更好的推荐(错误)我们假设使用的意见50位用户群体的协同过滤将比任何个人代理提供更好的结果。为了比较这些,我们应先找到最好的个人代理。我们评估了三个DGBots,RipperBot、9个独立的genreBots还有个性化的Mega-GenreBot(见表1)。其中,只有RipperBot、Mega-GenreBot和DGBot这些使用...翻译 2017-11-08 23:17:54 · 742 阅读 · 0 评论 -
推荐系统中协同过滤算法实现分析
推荐中的协同过滤算法简单说明下: 首先,通过分析用户的偏好行为,来挖掘出里面物品与物品、或人与人之间的关联。 其次,通过对这些关联的关系做一定的运算,得出人与物品间喜欢程度的猜测,即推荐值。 最后,将推荐值高的物品推送给特定的人,以完成一次推荐。 这里只是笼统的介绍下,方便下边的理解,IBM的一篇博客对其原理讲解得浅显易懂,同时也很详细《深入推荐引擎转载 2017-10-15 16:57:13 · 925 阅读 · 0 评论 -
结合协同过滤和个性化AGENT的增强推荐
摘要 信息过滤代理和协同过滤都是旨在通过甄别哪些事物是用户需要且有价值的以减轻超负荷的信息给用户所带来的负担。信息过滤(IF)着重点在于物件内容和个人用户的兴趣描述的发展的分析。协同过滤(CF)着重点在于识别除该个体以外的拥有相近喜好的用户和利用他们的选项去甄别物件。每一个方法都有其优势以及局限性,因此联想到两个方法可以相互结合。这篇论文展示的是协同过滤框...翻译 2017-11-06 01:04:22 · 823 阅读 · 0 评论 -
成为一名推荐系统工程师永远都不晚
推荐系统产品形式的演进,背景是互联网从PC到移动的演进,PC上是搜索为王,移动下是推荐为王,自然越来越重要。随着各种可穿戴设备的丰富,越来越多的推荐产品还会涌现出来。产品和技术相互协同发展,未来会有更多有意思的推荐算法和产品形式问世,成为一名推荐系统工程师永远都不晚。LS转载 2017-11-20 21:00:35 · 818 阅读 · 0 评论