继续讲embedding相关的一些东西,之前在公众号的地址:推荐系统相关embedding:SVD、SVD++
欢迎关注我的公众号,微信搜 algorithm_Tian 或者扫下面的二维码~
现在保持每周更新的频率,内容都是机器学习相关内容和读一些论文的笔记,欢迎一起讨论学习~
本篇主要想介绍一下基于推荐系统的embedding。为什么推荐系统也可以和embedding相关呢?这里面就涉及到了推荐系统中非常基础且应用非常广泛的SVD相关方法。为了让读者能够理解这其中的关系,我们从协同过滤概念讲起。
于是本篇主要从三个方面来讲:
1、协同过滤基础
协同过滤算法是推荐算法的一个大分支,基本思想是给用户推荐与用户喜欢的物品相似的物品,或者推荐与用户相似用户喜欢的物品。
CF方法主要可以分为两类:基于邻域和基于隐语义。
协同过滤的主要流程如图:
1.1 user-based
基于用户对物品的偏好找到相邻邻居用户,然后将邻居用户喜欢的推荐给当前用户。
1.2 item-based
基于用户对物品的偏好找到相似的物品,然后根据用户的历史偏好,推荐相似的物品给他