![](https://img-blog.csdnimg.cn/20201014180756923.png?x-oss-process=image/resize,m_fixed,h_64,w_64)
推荐系统
Ren_Bin_
这个作者很懒,什么都没留下…
展开
-
基于用户聚类的推荐
推荐思路:将用户进行聚类,给每个聚类推荐该人群喜欢的内容。优点实现简单,数据存储量很小 可用于新用户冷启动,使用用户注册信息,从站外获取用户信息、行为列表,做聚类即可个性化推荐。缺点精度不高,群体喜欢的内容,并不一定个人喜欢,不够个性化。...原创 2020-03-12 17:50:58 · 1677 阅读 · 0 评论 -
矩阵分解(基于模型的CF)
基于模型的CF:模型中包含参数,通过训练来优化参数,是误差目标最小矩阵分解(隐语义模型),可以用来降维输入矩阵4*3(m=4,n=3) I1 I2 I3 U1 ? 3 5 U2 4 ? 6 U3 ? ? 7 U4 8 8 ? 输入矩阵即用户对Item进行打分后的打分矩阵,其中...原创 2020-03-12 17:11:10 · 911 阅读 · 0 评论 -
多路召回的融合排序
背景:一般会使用多个召回策略,互相弥补不足之处,效果也更好。 每个策略之间毫不相关,一般可以编写并发多线程同时进行问题:怎样将多个召回列表融合成一个有序的列表?召回策略 实时召回-U2I2I(Online):几秒钟之内根据你的行为更新推荐列表,U2I即根据用户对Item的实时行为列表,然后对Item进行拓展推荐即2I 基于内容-U2Tag2I(Outline):离线算好用户偏好的t...原创 2020-03-10 10:28:06 · 3378 阅读 · 1 评论 -
基于协同过滤的推荐
推荐系统的分类:基于协同过滤(Collaborative Filtering)的推荐系统 (1)基于数据统计(记忆)的CF(Neighborhood-Based) (2)基于模型(参数学习)的CF(Model-Based) 基于内容(Content-Based)的推荐系统 混合推荐系统(CF+Content-Based)推荐方法:使用行为数据,利用集体智慧进行推荐基于用户的协同过...原创 2020-03-09 20:23:27 · 568 阅读 · 0 评论 -
基于内容的推荐
地位:最早被使用的推荐算法,使用广泛,效果较好定义:给用户推荐之前喜欢的物品,或是相似的物品。即U2I2I、U2Tag2I案例:用户向量:[3 2 1]([动作片 科幻片 周星驰])物品向量:绿巨人[1 1 0]、钢铁侠[1 1 0]、蜘蛛侠[1 1 0]、功夫[1 0 1]按照上面步骤进行计算,得到不同影片的余弦相似度。优点:不需要其他用户的数据 能给具备独特...原创 2020-03-09 10:49:07 · 326 阅读 · 0 评论