推荐算法笔记

最新推荐文章于 2024-08-12 21:18:42 发布
最新推荐文章于 2024-08-12 21:18:42 发布
阅读量76 收藏
点赞数
文章标签： 数据挖掘 人工智能 聚类
版权声明：本文为博主原创文章，遵循 CC 4.0 BY-SA 版权协议，转载请附上原文出处链接和本声明。
本文链接：https://blog.csdn.net/qq_41166416/article/details/121535240
版权

 

基于内容推荐:

协同过滤:根据朋友的意见

Tf idf

TF:某个单词在一篇文档中出现的频率

IDF:该单词在其他文档中是不是出现,分子:所有文档的个数,分母:包含这个特定搜索词的文档的个数.比如the 分子分母比接近一,取log就为0

 向量空间模型

        缺点:不能识别近义词和多义词 

隐含语义分析

 

点与原点的连线夹角越小关系越近

pagerank

 

 有多少别的网页指向它以及其他网页的含金量

所有网页的pagerank值无论哪一时刻加起来一定等于一

 

 协同过滤:

计算两个用户的相似度,用一个用户的打分预测另一个用户打分 

 ra是a这个用户对所有商品打分的平均分

 

 按列算商品与商品之间的相关性

 

 

 modelbased cf

 

qq_41166416
关注
  • 0
    点赞
  • 踩
  • 0
    收藏
    觉得还不错? 一键收藏
  • 0
    评论
Lenskit备忘录 - Item-Based协同过滤推荐算法笔记
Nuan_Feng的博客
06-21 1087
最近参与了一个项目，负责推荐算法的调查和提案。考察了几个流行的工具，最终选择了Lenskit。官网上的文档资源已经比较丰富了，但是为了满足项目需求很多内容需要解读源代码才能理解，所以觉得有必要把学习成果贡献出来，同时也为自己留下一份笔记，以备将来有需要时可以进行查阅。如果您通过阅读本文，得到了启发与收获，绝对是我的荣幸。 Lenskit提供了四种协同过滤算法的实现，Item-Based，User-B
基于聚类的推荐算法笔记——以豆瓣电影为例(三）（附源代码）
jiaoooooo的博客
08-12 3591
基于聚类的推荐算法实战——以豆瓣电影为例(三）（附源代码） 第一章 聚类算法介绍 第二章 数据介绍 第三章 实现推荐算法 第四章 评价推荐算法 文章目录基于聚类的推荐算法实战——以豆瓣电影为例(三）（附源代码）前言一、协同过滤推荐1.1 基于用户的协同过滤推荐1.2 基于物品的协同过滤推荐1.3 遇到的问题1.4 具体实现总结 前言 本文记载一下本科毕设所研究的课题步骤以及一些细节，由于此次毕设对于推荐领域很感兴趣，发表一些浅显见解，希望大佬们不吝赐教。 将用户划分到不同簇内后，在每簇内进
算法笔记（1）-常用推荐算法总结
编程研究坊的博客
05-06 2485
常用推荐算法包括以下几种 1.协同过滤算法 1）基于用户的协同过滤算法 2）基于项的协同过滤算法 2.基于矩阵分解的推荐算法 矩阵分解是将一个矩阵分解成两个或多个矩阵的乘积。基于矩阵分解的推荐算法分为2步。 1）对用户商品矩阵分解 2）利用分解后的矩阵预测原始矩阵中的未打分项 3.基于图的推荐算法 基于图的模型（graph−basedmodel ）需要将用户行为数据表示成图的形式。将用户行为数据表示二分图模型后，下面的任务就是在二分图上给用户进行个性化推荐。 4.基于内容的.
基于聚类的推荐算法笔记——以豆瓣电影为例(四）（附源代码）
jiaoooooo的博客
08-15 2219
基于聚类的推荐算法实战——以豆瓣电影为例(四）（附源代码） 第一章 聚类算法介绍 第二章 数据介绍 第三章 实现推荐算法 第四章 评价推荐算法 文章目录基于聚类的推荐算法实战——以豆瓣电影为例(四）（附源代码）前言一、评价指标1.1 平均准确率1.2 平均召回率总结 前言 本文记载一下本科毕设所研究的课题步骤以及一些细节，由于此次毕设对于推荐领域很感兴趣，发表一些浅显见解，希望大佬们不吝赐教。 最后对推荐结果进行分析，实验中使用平均准确率和平均召回率进行分析。 一、评价指标 1.1 平均准
基于聚类的推荐算法笔记——以豆瓣电影为例(二）（附源代码）
jiaoooooo的博客
08-08 2732
基于聚类的推荐算法实战——以豆瓣电影为例(一） 第一章 聚类算法介绍 第二章 数据介绍 第三章 实现推荐算法 第四章 评价推荐算法 文章目录基于聚类的推荐算法实战——以豆瓣电影为例(一）前言一、豆瓣页面分析1.1具体实现1.2遇到的问题二、数据分析2.1具体实现2.2遇到的问题总结 前言 本文记载一下本科毕设所研究的课题步骤以及一些细节，由于此次毕设对于推荐领域很感兴趣，希望大佬们不吝赐教。 以下介绍一下本次实验使用的数据，全部数据源于豆瓣，使用Selenium+Chromedriver爬
推荐算法基础笔记
qwerdfaio的博客
05-17 1494
数据清洗，数据统计和分析；用户长短期兴趣建模，推荐模型优化，在线服务开发；支持业务发展，提升用户效率能力要求： 1. 掌握协同过滤算法2. 熟悉矩阵分解和LFM算法3. 了解PersonalRank 算法思路4.比较各算法优缺点并针对场景选型* 搜索引擎的核心技术之一，其核心目的是从大量文档中查找包含某些词的文档集合，并在O(1) 或 O（logn）的时间复杂度完成* 一般过程： * 其中第二步 是 去除词条中的 无关词（停顿词） ，因为其对文章含义没影响举例：有这样几个文章 首先通过 NLP 相关工
基于聚类的推荐算法笔记——以豆瓣电影为例(一）（附源代码）
jiaoooooo的博客
08-06 3663
基于聚类的推荐算法实战——以豆瓣电影为例(一） 第一章 聚类算法介绍 第二章 数据介绍 第三章 实现推荐算法 第四章 评价推荐算法 文章目录基于聚类的推荐算法实战——以豆瓣电影为例(一）前言一、Canopy聚类1.1具体实现1.2遇到的问题二、K-means聚类2.1具体实现2.2遇到的问题总结 前言 本文记载一下本科毕设所研究的课题步骤以及一些细节，由于此次毕设对于推荐领域很感兴趣，希望大佬们不吝赐教。 以下介绍一下本次实验使用的两种聚类算法 一、Canopy聚类 1.1具体实现 1.2
个性化推荐算法总结
热门推荐
Yasin的博客
04-11 6万+
读书笔记 |《推荐系统实践》- 个性化推荐系统总结 对于推荐系统，本文总结内容，如下图所示： 一、什么是推荐系统 1. 为什么需要推荐系统 为了解决互联网时代下的信息超载问题。 2. 搜索引擎与推荐系统 分类目录，是将著名网站分门别类，从而方便用户根据类别查找公司。 搜索引擎，用户通过输入关键字，查找自己需要的信息。 推荐系统，和搜索引擎一样，是一种帮助用户快速发展有用信...
【推荐算法-召回笔记】-swing
凌陨心
05-18 1550
swing是阿里巴巴推出的一种召回算法，考虑了user-item-user这样一个局部关系，即都购买了i、j的用户u、v, 如果u、v共同购买的商品越少，那么i、j的相似性就越大：公式如下： 公式中，Ui代表购买了i的用户集合，Iu代表用户u购买的商品集合，α是超参 不足思考，没有考虑用户的一个权重，我们可以给活跃用户增加一个惩罚系数，公式如下： Wu代表了用户u的权重，与购买商品数成反比：1/sqrt(Iu) 算法实现： 参考连接：https://arxiv.org/pdf/2010.05525.p
推荐算法大致分类
Jack章臣的博客
12-09 3023
在推荐系统简介中，我们给出了推荐系统的一般框架。很明显，推荐方法是整个推荐系统中最核心、最关键的部分，很大程度上决定了推荐系统性能的优劣。目前，主要的推荐方法包括：基于内容推荐、协同过滤推荐、基于关联规则推荐、基于效用推荐、基于知识推荐和组合推荐。 一、基于内容推荐 基 于内容的推荐（Content-based Recommendation）是信息过滤技术的延续与发展，它是建立在项目的内容信息上作出推荐的，而不需要依据用户对项目的评价意见，更多地需要用机 器学习的方法从关于内容的特征描述的事例...
快速解析数据挖掘，最短时间明白什么是数据挖掘------上
yuanbenshidiaos的博客
08-12 753
样本数量：共150个样本。特征数量：每个样本有4个特征，分别是花萼长度（sepal length）、花萼宽度（sepal width）、花瓣长度（petal length）和花瓣宽度（petal width）。类别：数据集包含3个不同的鸢尾花品种，分别是山鸢尾（Iris setosa）、变色鸢尾（Iris versicolor）和维吉尼亚鸢尾（Iris virginica）。目标变量类型：线性回归适用于连续的数值型目标变量，而逻辑回归适用于离散的类别型目标变量。损失函数。
大模型微调工具-torchtune
weixin_40777649的博客
08-08 937
1.定义2.安装3. 案例。
根据哈希值或者特征值判断图片是否相同
Y_warmth
08-09 634
detectAndCompute 方法结合了特征检测和描述符计算两个步骤，可以在图像中检测出特征点并计算这些特征点的描述符。ORB（Oriented FAST and Rotated BRIEF）是一种结合了 FAST 特征检测器和 BRIEF 描述符的特征提取算法，具有旋转不变性和尺度不变性，适用于图像特征匹配、目标检测等任务。接着使用 ORB 对象的 detectAndCompute() 方法检测图像中的特征点并计算描述符，最后将特征点绘制在图像上并显示出来。
pytorch下载慢，如何下载到本地再去安装，本地安装pytorch
weixin_53035684的博客
08-09 450
本地安装torch
叉车指纹锁系统 指纹识别启动车辆 让管理更轻松！
jiuxindianzi的博客
08-12 208
叉车指纹系统通过指纹认证管理叉车，降低安全事故，强化安全管理。支持指纹、刷卡识别，云端数据管理。适用于油电叉车，安装需连接特定线路，提高叉车管理效率。
数字化转型-成就智慧智慧企业
最新发布
绿茵场的激情
08-12 169
数字化转型是企业迈向智慧化发展的关键路径，通过将先进的数字技术融入企业核心业务，构建智能化、数据驱动的运营模式，实现业务的全面升级与优化。
【AI绘画Stable Diffusion进阶】室内设计神器：ControlNet MLSD/Seg 实现令人惊叹的视觉转换
2401_84760719的博客
08-10 601
你是否已经厌倦了传统的室内设计方式，想探索新方法来增强作品设计感？本期小编就同大家分享一个新武器，用Stable Diffusion的ControlNet来打造一个室内设计全新工作流。无论你是经验丰富的室内设计师还是初学小白，都将使你的日常工作如虎添翼、告别爆肝，焕发出令甲方爸爸们赞叹的设计感。ControlNet将毛坯房照片转换为高清室内装饰效果图ControlNet是一种通过添加额外条件来控制扩散模型的AI神经网络结构，它提供了一种增强稳定扩散的方法。
Datawhale AI 夏令营-大模型技术学习心得
m0_61049596的博客
08-10 231
在此次的大模型技术学习课程中，我在操作的时候遇到了两种问题。
jupyter推荐算法
05-24
Jupyter是一种交互式笔记本，可用于数据处理、数据分析...目前，Jupyter中常用的推荐算法包括基于协同过滤的推荐算法、基于内容的推荐算法、深度学习模型等。这些算法具体的实现方法和效果因应用场景和数据集不同而异。
评论
添加红包

请填写红包祝福语或标题

个

红包个数最小为10个

元

红包金额最低5元

当前余额3.43元 前往充值 >
需支付：10.00元
成就一亿技术人!
领取后你会自动成为博主和红包主的粉丝 规则
hope_wisdom
发出的红包
实付元
使用余额支付
点击重新获取
扫码支付
钱包余额 0

抵扣说明：

1.余额是钱包充值的虚拟货币，按照1:1的比例进行支付金额的抵扣。
2.余额无法直接购买下载，可以购买VIP、付费专栏及课程。

余额充值