推荐系统

本文介绍了推荐系统的三个核心要素:前端界面、数据处理(lambda架构)和算法。详细阐述了推荐模型的构建流程,从数据预处理到特征提取,再到算法训练和预测输出。重点讨论了协同过滤推荐算法,解释了其基本思想,并列举了不同相似度计算方法,如欧氏距离、余弦相似度和杰卡德相似度,强调了余弦相似度在评分数据中的适用性。
摘要由CSDN通过智能技术生成

1,推荐系统要素

  • ui和ue(前端界面)
  • 数据(lambda架构)
  • 业务知识
  • 算法

lambda架构是一个实时大数据处理框架。
Lambda架构将离线计算和实时计算整合,设计出一个满足实时大数据系统关键特性的架构。
包括:高容错、低延时、可扩展

2,推荐模型构建流程

数据—特征—选择算法训练模型—预测输出

3,最经典的推荐算法:协同过滤推荐算法

算法基本思想:物以类聚,人以群分
实现协同过滤推荐步骤:

  • 找出最相似的人或物品:TOP-N相似的人或物品
    通过计算两两的相似度来进行排序,即可找出TOP-N相似的人或物品
  • 根据相似的人或物品产生推荐结果
    利用TOP-N结果生成初始推荐结果,然后过滤用户已经有过记录的物品或者明确表示不感兴趣的物品

相似度计算:

  • 欧氏距离
    在这里插入图片描述在这里插入图片描述
  • 余弦相似度
  • 0
    点赞
  • 0
    收藏
    觉得还不错? 一键收藏
  • 0
    评论
评论
添加红包

请填写红包祝福语或标题

红包个数最小为10个

红包金额最低5元

当前余额3.43前往充值 >
需支付:10.00
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
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