2017年07月_Whu_Xcy

09月 07月 06月 05月 04月 03月 02月 01月

原创推荐算法——基于上下文的推荐

将时间信息和地点信息建模到推荐算法中，从而让推荐系统能够准确的预测用户在某个特定时刻以及特定地点的兴趣。本文中主要考虑时间因素：在给定时间信息后，推荐系统从一个静态系统变成了一个时变的系统，用户的行为数据也变成了一个时间序列。此时用户的数据集变为(u,i,t)(u,i,t)：用户u在时刻t对物品i产生过行为。时间建模信息的方法有如下几种：最近最热门：在没有时间信息的数据集中，我们可以给用

2017-07-29 10:09:03 5482

原创推荐系统——标签推荐系统：UGC的标签应用

UGC: user generated content, 用户生成的内容。Delicious允许用户给互联网的每个网页打标签，从而通过标签重新组织整个互联网。CiteULike是一个著名的论文书签网站，允许研究人员提交或者收藏自己感兴趣并且给论文打标签，帮助用户更好的发现与自己领域相关的优秀论文。Last.fm分析用户的听歌行为预测用户对音乐的兴趣，从而给用户推荐个性化的音乐。豆瓣允许用户

2017-07-23 11:15:12 7034

原创推荐算法——冷启动问题

冷启动问题：用户冷启动：如何给新用户做个性化的推荐物品冷启动：如何将新物品推荐给可能感兴趣的用户系统冷启动：如何在新开发的网站上（无历史用户无历史物品）设计个性化推荐系统解决方案汇总：提供非个性化的推荐：首先推荐热门排行榜，收集到一定的信息之后再切换为个性化推荐粗粒度个性化：根据用户注册时提供的年龄性别等社交账号：授权社交网路账号，导入好友信息，给用户推荐好友喜欢的物品登录反馈:用户在登录的时候

2017-07-23 10:19:20 5916

原创推荐算法——基于图模型

基于图模型（graph-based model）将用户行为数据表示成图的形式。如上，用户A对物品a,b,d有行为。表示成二分图之后，给用户u推荐物品可以转化为度量用户顶点vuv_{u}和与vuv_{u}没有边直连的物品节点在图上的相关性，相关性越高的物品在推荐列表中权重越高。顶点的相关性主要体现在如下方面：两个顶点之间的路径数两个顶点之间路径的长度两个顶点之间的路径经过的点相关性高的

2017-07-22 19:29:00 7679

原创推荐算法——隐语义模型

LFM(latent factor model) 通过隐含特征联系用户兴趣和物品。计算用户u对物品i的兴趣： preference(u,i)=rui=pTuqi=∑f=1Fpu,kqi,kpreference(u,i) = {r_{ui}} = p_u^T{q_i} = \sum\limits_{f = 1}^F {{p_{u,k}}{q_{i,k}}} 其中pu,kp_{u,k}度量了

2017-07-22 18:46:32 4608 1

原创 UserCF和ItemCF 比较

UserCF 原理：给用户推荐和他有共同爱好的用户喜欢的物品，更加社会化，反映了用户所在小型兴趣群体中物品的热门程度； ItemCF 原理：给用户推荐和他之前喜欢的物品相类似的物品，更加个性化，反应了用户自己的兴趣的传承。方法 UserCF ItemCF 性能用户较少的场合物品数量明显小于用户领域时效性强，用户个性化不那么明显长尾物品丰富，个性化需

2017-07-20 15:21:26 1175

原创推荐算法——基于物品的协同过滤算法

基于用户的协同过滤算法在用户增长的时候，相似度计算的计算会越来越困难。基于物品的算法给用户推荐他们之前喜欢的物品相似的物品。算法步骤计算物品之间的相似度根据物品的相似度和用户的历史行为给用户生成推荐列表相似度公式如下： wij=|N(i)∩N(j)||N(i)||N(j)|−−−−−−−−−−√{w_{ij}} = \frac{{|N(i) \cap N(j)|}}{{\sqrt {

2017-07-20 15:08:10 4055

原创推荐算法——基于用户的协同过滤算法

步骤(1) 找到和目标用户兴趣相似的用户集合。(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。如何计算相似度？给定用户u和用户v，令N(u)表示用户u曾经有过正反馈的物品集合，令N(v)为用户v曾经有过正反馈的物品集合。余弦相似度计算如下： wuv=|N(u)∩N(v)||N(u)||N(v)|−−−−−−−−−−√{w_{uv}} = \frac{{|N(u

2017-07-18 17:16:44 8983 1

原创推荐系统——前言

用户数据的获取一般是日志Log , 网页的浏览以及反馈。用户行为的分析用户的行为符合：“长尾分布”。推荐算法基于用户的协同过滤算法基于物品的协同过滤算法数据集 GroupLens提供的MovieLens数据集。实验离线的实验设计一般如下：将用户行为数据均匀分为M份，挑选一份作为测试集，剩下的M-1作为训练集。在训练集中建立用户的兴趣模型，并在测试机上对用户进行预测，统

2017-07-18 14:58:59 761

神经网络LSTM 时间预测

详细的LSTM代码，附带数据。 RNN全称循环神经网络（Recurrent Neural Networks），是用来处理序列数据的。在传统的神经网络模型中，从输入层到隐含层再到输出层，层与层之间是全连接的，每层之间的节点是无连接的。但是这种普通的神经网络对于很多关于时间序列的问题却无能无力。

2017-08-03

Eclipse 格式化模板

Eclipse怎样导入格式化模板，博客里边有导入教程。

2016-07-20

Linux原理应用

Linux原理应用课程的PPT，包括线程以及VI的操作，有具体例子，便于更好的理解linux系统

2015-06-21

stp 的迭代过程以及原理

介绍了step 的迭代过程思路以及用流程图解释其过程

2014-09-29

空空如也

TA创建的收藏夹 TA关注的收藏夹

TA关注的人