推荐系统
是晨星啊
keep coding...
展开
-
Learning to Ranking
Pointwise & Pairwise & Listwise Learning to Rank简介 http://www.cnblogs.com/bentuwuying/p/6681943.html PDF资料 监督学习方法在排序中的应用,基本思想是将排序问题转换为回归、分类问题,有pointwise, pairwise, listwise三大类,区别于传统的基于排序函...原创 2018-03-15 09:17:27 · 698 阅读 · 0 评论 -
协同过滤易错点
协同过滤易错点 1. 基于用户的协同过滤 (1) 找到和目标用户兴趣相似的用户集合。这里的相似指的是行为相似度,用户行为有:点赞、购买物品记录、(2) 找到这个集合中的用户喜欢的,且目标用户没有听说过的物品推荐给目标用户。 2. 基于物品的协同过滤 计算的是行为相似度,而不是物品内容属性的相似度,计算物品之间的相似度没有用到物品的内容属性,而是通过分析用户的,这一点容易理解偏差,需...原创 2018-03-16 10:10:34 · 357 阅读 · 0 评论 -
Learning to Rank
单文档方法(Pointwise),文档对方法(Pairwise),文档列表方法(Listwise)。 References1 2 3原创 2018-04-25 23:24:53 · 172 阅读 · 0 评论 -
UserCF、 KNN 和 TopK
基于用户的协同过滤算法也被称为最近邻协同过滤或KNN (K.Nearest Neighbor,K最近邻算法)。其核心思想就是,首先根据相似度计算出目标用户的邻居集合,然后用邻居用户评分的加权组合来为目标用户作推荐。 https://blog.csdn.net/wenyusuran/article/details/44491495KNN求相似用户或相似项目,根据相似用户或项目来辅助预测...转载 2018-04-26 09:29:50 · 1537 阅读 · 0 评论 -
各种推荐算法的 benchmark
movielens 1M数据集上关于RMSE的各种推荐算法的benchmark benchmarks原创 2018-05-16 19:07:22 · 4401 阅读 · 0 评论 -
评分预测会不会大于满分5.0的情况?
看你在计算最终评分的公式是什么了,可以设置分数上限去截断,或者把所有分数均衡分布到5分内。 如果不截断,可以用函数g(x)=1/(1+exp(-x))将预测打分范围缩小到0到1之间,同样的将真实打分1到K也利用函数t(x)=(x-1)/(K-1)限制到0到1之间。不过这样的话,目标函数该如何写呢?利用随机梯度下降的迭代公式该如何写呢?...转载 2018-08-19 21:33:56 · 350 阅读 · 0 评论 -
推荐系统数据稀疏性问题
推荐系统数据稀疏性问题对于目前大规模的电子商务平台,如淘宝、ebey,其用户、商品数量都非常大。淘宝数据显示,2010年淘宝网注册用户达到3.7亿,在线商品数达到8亿,最多的时候每天6000万人访问淘宝网,平均每分钟出售4.8万件商品。假如我们要做User-Item的协同过滤算法,那么U-I矩阵大小是6000万 ×8亿。在这个数量级上面做协同过滤,即使用hadoop,计算起来也非常吃力,效果也...转载 2018-08-22 22:00:33 · 9204 阅读 · 0 评论 -
推荐系统入门介绍
前言:原来了解国内外研究现状啥的,百度百科介绍的很全,非常适合入门,后知后觉的我。。。。。。【推荐系统】推荐系统是利用电子商务网站向客户提供商品信息和建议,帮助用户决定应该购买什么产品,模拟销售人员帮助客户完成购买过程。个性化推荐是根据用户的兴趣特点和购买行为,向用户推荐用户感兴趣的信息和商品。随着电子商务规模的不断扩大,商品个数和种类快速增长,顾客需要花费大量的时间才能找到自己想买的商品。这...转载 2018-10-16 09:29:50 · 420 阅读 · 0 评论 -
推荐系统数据统计
最好通过电子版和网络查找,Ctrl + F,尽量不要用肉眼去找,效率极低。Netflix:80% 被观看的电影来自推荐[1] Gomez-Uribe C A, Hunt N. The Netflix recommender system: Algorithms, business value, and innovation[J]. ACM Transactions on Management ...原创 2018-12-13 18:52:31 · 729 阅读 · 0 评论 -
交替最小二乘法
交替最小二乘法,坐标下降 ALS AICon国美PPT原创 2018-03-15 09:12:35 · 540 阅读 · 0 评论 -
推荐系统感想
推荐系统通常利用用户和物品的 side information 来获取用户或物品的潜在因子,对于物品,用户对物品的评论文本往往说明了物品具有哪些属性,颜色,质量,而这些属性又可以解释该用户为什么对该物品打这样的分数。比如某用户在淘宝上购买了某物品,给了差评,那么对应的评论文本和该用户对该物品所给的分数是一致的,用户喜欢该物品,那么该物品的评论文本对应的潜在因子向量也应该与该物品对应的分数一致,即朝...转载 2018-03-14 20:10:01 · 495 阅读 · 0 评论 -
为什么一定要重视隐式反馈?
http://mp.weixin.qq.com/s?__biz=MzA4OTk5OTQzMg==&mid=2449231485&idx=1&sn=a2e6339cbaae58c4a9cde54ebdffff55推荐系统所需要的核心数据是用户的反馈。因为没有反馈就:没有持续优化的标注数据没有评价效果的真实数据总之一句话:没有反馈数据,没有数据循环,不通透,...转载 2018-03-14 20:08:08 · 2127 阅读 · 0 评论 -
隐式/显式反馈
推荐系统中用户对物品的反馈分为显式和隐式反馈,’式‘字容易写错,特意将字体加粗… 显式反馈 (如评分、评级) 或单一的隐式反馈 (如浏览、点击、加入购物车)隐式反馈 (implicit feedback): CTR (Wangchong) CDL (Wang Hao) Neural Collaborative Filtering (Xiangnan He)显式反馈 (explici原创 2017-08-24 16:01:57 · 10755 阅读 · 1 评论 -
隐式/显式反馈
推荐系统中用户对物品的反馈分为显式和隐式反馈,’式‘字容易写错,特意将字体加粗… 显式反馈 (如评分、评级) 或单一的隐式反馈 (如浏览、点击、加入购物车)隐式反馈 (implicit feedback): CTR (Wangchong) CDL (Wang Hao) Neural Collaborative Filtering (Xiangnan He)显式反馈 (explici转载 2017-09-02 12:52:48 · 684 阅读 · 0 评论 -
Rating Prediction——评分预测小结
C语言实现 http://blog.csdn.net/woshimalingyi/article/details/50801196转载 2017-11-05 22:21:59 · 2319 阅读 · 0 评论 -
综述-推荐系统
上下文信息:时间、地点、情绪、人格特性等 http://blog.csdn.net/u013402630/article/details/54016493转载 2017-11-05 22:37:01 · 1454 阅读 · 0 评论 -
推荐系统测评指标
http://blog.csdn.net/u014570574/article/details/51437009转载 2017-11-22 16:35:22 · 1083 阅读 · 0 评论 -
数据集
【1】BookCrossing BookCrossing是一个图书漂流的网站,也是一个敏捷的社交网站,它可以为文献和书籍“提供新的生命”。因为图书会从一个读者传递到另一个读者,所以说BookCrossing给每本图书一个特殊的身份,它可以跟踪和连接它的读者。目前有遍及132个国家1017709位“BookCrossers”的9041948本图书。BookCrossing意在使我们的社会通过书籍传递原创 2017-12-22 20:29:23 · 3553 阅读 · 0 评论 -
Surprise 使用本地数据
from future import (absolute_import, division, print_function, unicode_literals) from surprise import SVD ”’PMF 可由SVD算法修改得来,修改方法见: https://surprise.readthedocs.io/en/stable/matrix_factorization.h原创 2018-01-19 20:44:46 · 3523 阅读 · 2 评论 -
Surprise官方文档练习
https://surprise.readthedocs.io/en/stable/转载 2019-01-04 09:59:20 · 1656 阅读 · 0 评论