推荐系统
smallTutou
这个作者很懒,什么都没留下…
展开
-
Top-N推荐
import pandas as pdfrom pandas import DataFrame# from sklearn.metrics import jaccard_similarity_scorefrom sklearn.metrics.pairwise import pairwise_distancesimport numpy as npusers = ["User1","User2","User3","User4","User5"]items = ["Item1","Item2","原创 2022-04-08 11:26:35 · 323 阅读 · 0 评论 -
隐语义模型LFM基础代码
'''LFM Model'''import pandas as pdimport numpy as npclass LFM: def __init__(self,alpha,reg_p,reg_q,number_latentFactors=10,number_epochs=10,columns=["uid","iid","rating"]): self.alpha = alpha #学习率 self.reg_p = reg_p #p矩阵正则原创 2022-04-08 11:20:41 · 207 阅读 · 0 评论 -
读取、处理Yelp数据集
##读取、处理Yelp数据集import pandas as pdimport jsonreviews_path =r"../yelp_dataset/yelp_academic_dataset_review.json"'''读取原始数据'''file = open(reviews_path, 'r', encoding="utf-8")users_id = []items_id = []ratings = []reviews = []dates = []i =0for原创 2022-04-08 11:14:49 · 3223 阅读 · 0 评论 -
基础的协同过滤算法
##ml_1m数据集下载地址:http://files.grouplens.org/datasets/movielens/##基于用户的协同过滤import numpy as npimport pandas as pdfile = "ml-1m/ratings.dat"header = ["uid","iid","rating"]dtype = {"uid" :np.int32,"iid":np.int32,"rating":np.float32}data = pd.read_csv(fi原创 2022-04-08 10:38:56 · 1492 阅读 · 0 评论 -
基于评论的深度推荐模型综述
基于评论的深度推荐模型综述摘要推荐系统因可以为人们提供个性化的推荐而在日常生活中扮演者越来越重要的角色。传统的推荐系统往往利用用户或物品的评分信息,然而在现实场景中这种评分信息一般是比较稀疏的,这种数据稀疏问题会造成推荐性能的下降。因此,许多研究人员尝试使用用户的评论辅助信息去学习用户、物品的表示进一步地弥补数据稀疏问题。现存的方法在利用评论信息构建用户、物品表示时往往存在两种类别的表示,分别是使用用户撰写的和写给物品的全部评论拼接为文档进行表示学习,另一种则是将每条评论单独的建模学习,本文也将以此作为转载 2021-10-09 21:12:29 · 778 阅读 · 0 评论