- 博客(5)
- 收藏
- 关注
RSS订阅原创 《推荐系统实践》读书笔记5
推荐系统实例 在搭建好了推荐系统外围架构（界面展示和用户行为数据）后，进行推荐系统的架构。一个推荐系统包括多个推荐引擎，每个推荐引擎负责一类特征和一种任务，而推荐系统的任务只是将推荐引擎的结果按照一定权重或优先级合并、排序然后返回。 用户反馈是推荐系统的重要组成部分，主要通过分析之前和推荐结果的交互日志，预测用户会对什么样的推荐结果感兴趣，然后针对用户实现不同的推荐策略。 评分预测问题 因为用户不...
2019-09-16 17:12:27
159
原创 《推荐系统实践》读书笔记4
利用上下文信息 系统时间特性的分析 为什么要研究系统的时间特性？ 不同系统有不同的时效性，有的系统物品的时效性很短，热起来，很快会冷下去；而有的系统物品的时效性长，具有比较长的生命周期。 研究系统的时间特性，能增强系统的有效性推荐。比如推荐新闻，会主要选择最近时间段发生的新闻事件进行推荐；而推荐旅游景点，时效性较长（有些也有季节性变化），则考虑主要从用户目前的兴趣出发来推荐景点。 如何研究系统的时...
2019-09-09 16:39:38
185
原创 《推荐系统实践》读书笔记3
利用用户标签数据 首先得考虑用户为什么要标注标签？ 除了上传者自己组织信息，另外是为了用户将来的查找（类似于收藏）。 标签流行度也符合长尾分布：标签越流行，标签存在个数越少；标签越冷，标签存在个数越多。热门的标签总是少的。 哪些标签是高质量的标签？ 标签能够作为推荐解释，能给用户推荐某一物品的解释。 1 基于标签的推荐系统 一个用户标签行为的数据集一般由一个三元组的集合表示，其中记录（u，i，b）...
2019-09-06 15:18:04
103
原创 《推荐系统实践》读书笔记2
推荐系统冷启动问题 1 利用用户注册信息 1 人口统计信息 2 兴趣爱好 3 其他社交网站导入的站外信息 基于用户注册信息算法的核心问题：计算每种特征的用户喜欢的物品，即，对于每种特征f, 计算具有这种特征的用户对各物品的喜好程度P(f,i)。 **问题：**热门物品往往会在各特征中占据比较大的权重。 给用户推荐热门物品并不是推荐系统的主要任务，推荐系统应该帮助用户发现他们不容易发现的物品。 所...
2019-09-05 17:39:14
164
原创 《推荐系统实践》读书笔记1
推荐系统 公式编辑参考https://www.codecogs.com/latex/eqneditor.php 用户活跃度和物品流行度 他们均服从长尾分布，用户活跃度为用户产生过行为的物品总数：用户活跃度越高，人数越少；用户活跃度越低，人数越多。也就是说，用户活跃度高，更易发现流行度低的物品或冷门的物品，而用户活跃度低，更易发现流行度高的物品或热门物品。 物品流行度指对物品产生过行为的用户总数。物...
2019-09-05 13:32:32
170
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