Recommendation System
文章平均质量分 84
strongyoung88
记录学习点滴,勇攀技术高峰!
GitBook地址
/<a href="https://www.gitbook.com/@strongyoung">Qiang Yang/</a>
展开
专栏收录文章
- 默认排序
- 最新发布
- 最早发布
- 最多阅读
- 最少阅读
-
《推荐系统实践》读书笔记——第二章
1 利用用户行为数据 在利用用户行为数据设计推荐算法之前,研究人员首先需要对用户行为数据进行分析,了解数据中蕴含的一般规律,这样才能对算法的设计起到指导作用。 很多关于互联网数据的研究发现,互联网上的很多数据分布都满足一种称为PowerLaw的分布,这个分布在互联网领域也称为长尾分布。研究发现,用户行为数据也蕴含这种规律。 基于领域的算法是推荐系统中最基本的算法,该算法分为两大类,一类是基于原创 2014-07-15 10:07:41 · 1324 阅读 · 0 评论 -
《推荐系统实践》读书笔记——第三章
1 推荐系统冷启动问题 推荐系统需要根据用户的历史行为和兴趣预测用户未来的行为和兴直,因此需要大量的用户行为数据,对于已经积累了大量的用户数据的公司来说,这或许根本不是问题,但对于没有用户数据的公司来说,如何做到个性化推荐并且让用户对推荐结果满意呢? 1.1 冷启动问题简介 冷启动问题主要分为3类: n 用户冷启动:当新用户到来时,我们没有他的行为数据,所以无法根据他的历史行为预测其兴原创 2014-07-15 22:16:31 · 984 阅读 · 0 评论 -
《推荐系统实践》读书笔记——第六章
1 利用社交网络数据 美国著名的第三方调查机构尼尔森调查了影响用户相信某个推荐的因素。调查结果显示,90%的用户相信朋友对他们的推荐,70%的用户相信网上其他用户对广告商品的评论。从该调查结果可以看到,好友的推荐对于增加用户对推荐结果的信任度非常重要。 获取社交网络数据的途径有: 1) 电子邮件,电子邮件里面有联系人,导入这些数据可以解决冷启动问题; 2) 用户注册信息,注册的时候可能原创 2014-07-17 16:37:47 · 1128 阅读 · 0 评论 -
《推荐系统实践》读书笔记——第四章
1 利用用户标签数据 推荐系统的目的是联系用户的兴趣和物品,目前流行的联系用户兴趣和物品的方式为: 1) 利用用户喜欢过的物品,给用户推荐与他喜欢过的物品类似的物品,即基于物品的协同过滤算法; 2) 利用和用户兴趣相似的其他用户,给用户推荐那些与他们相似用户喜欢过的物品,即基于用户的协同过滤算法; 3) 通过一些特征联系用户的兴趣和物品,给用户推荐那些个有用户兴趣的特征的物品。原创 2014-07-16 23:43:32 · 727 阅读 · 0 评论 -
《推荐系统实践》读书笔记——第五章
1 利用上下文信息 用户访问推荐系统的上下文信息包括时间、地点、心情等。上下文信息中最重要的是时间上下文信息。时间信息对用户兴趣的影响表现在以下几个方面: 1) 用户的兴趣是变化的; 2) 物品也是有生命周期的; 3) 季节效应。 推荐系统每天推荐结果的变化程序被定义为推荐系统的时间多样性。提高推荐结果的时间多样性分为两步:首先,需要保证推荐系统能够在用户有了新的行为后及时调整推荐原创 2014-07-17 00:14:21 · 1105 阅读 · 0 评论 -
《推荐系统实践》读书笔记——第一章
《推荐系统实践》读书笔记 时间:2014/7/11- 参考文献:项亮. 推荐系统实践[M]. 1. 人民邮电出版社, 2012. 1 好的推荐系统 随着信息技术和互联网的发展,人们开始进入一个信息过载的时代,在这个时代,不管是信息的生产者,还是信息的消费者,这都将给他们带来一种困惑:对于信息生产者来说,在这大量的信息当中,如何做到将自己的信息展现给需要此信息的用户成为一件很原创 2014-07-12 17:04:18 · 1605 阅读 · 0 评论
分享