- 博客(8)
- 收藏
- 关注
原创 矩阵分解协同过滤模型
矩阵分解实际上就是一个利用更少数目的参数通过某种计算来表示原有数据,然后找到一个方法来计算这些参数的模型。已知的方法有SVD等矩阵分解的方法。SVD虽然在推荐系统中已经发挥了良好的效果,但是在利用SVD进行矩阵分解应用于推荐系统时,不能有缺失值,而缺失值的填充又是一个很难以解决的问题。本节中,将介绍另一种可以不用考虑缺失值的适用于推荐系统的矩阵分解的方法。 该算法由Simon Funk...
2018-03-31 21:59:27
1522
翻译 基于自编码器的协同过滤(论文翻译)
摘要:本文提出了AutoRec,一个效果非常棒的以自编码器为框架的用于协同过滤的模型。通过实验验证,AutoRec的简洁而有效的可训练模型在Movielens和Netflix数据集上的表现要胜过当前最先进的协同过滤算法(如偏置矩阵分解,限制玻尔兹曼机协同过滤RBM,局部低秩矩阵逼近算法LLORMA)。关键词:推荐系统; 协同过滤; 自动编码器1.介绍 协同过滤模型的主要目的是利用用户对商品的...
2018-03-31 21:31:49
4421
原创 基于用户的推荐算法和基于商品的推荐算法
基于用户的协同过滤 如图1所示,在推荐系统中,用m×n的打分矩阵表示用户对物品的喜好情况,一般用打分来表示用户对商品的喜好程度,分数越高表示该用户对这个商品越感兴趣,而数值为空表示不了解或是没有买过这个商品。 图1 用于个性化推荐系统的打分矩阵 如图2所示,基于用户的协同过滤推荐算法是指找到与待推荐商品的用户u兴趣爱好最为相似的K个用户,根据他们的兴趣爱好将他们喜欢的商品视为用户u可能...
2018-03-31 21:17:01
36740
原创 推荐系统简介
推荐系统 当用户并不明确自己可能需要某些商品的时候,搜索引擎的作用开始不那么明显,于是就需要推荐引擎来为用户进行可能感兴趣商品的推荐。 如图,推荐系统可以看作是一个黑盒子,把用户以及商品的一些信息 作为输入,它就能给相关用户推荐他们可能会感兴趣的商品。推荐系统分类 1.根据面向对象的不同 大众化的推荐系统,顾名思义,就是所有人都会收到的一些推荐,这个可以由后台管理员固定设置。...
2018-03-31 17:40:31
547
原创 关于树的一些代码整理
后序非递归:首先要找到的是最左下的节点,然后根据后序遍历 左-右-根的顺序进行遍历,即找到之后判断是否有右子树,该右子树是否被访问过,若没有,可以入栈,访问其右子树,再访问右子树的左子树;若访问过,则可以访问当前的节点,并且记录访问的节点,并将访问过的指针置为零(未免将其重新压入栈中再次访问)def PreOrder(root p): r = p t = NULL stac...
2018-03-28 21:52:17
570
原创 排序算法
是的,最近突然发现了一个非常严重的问题,就是道理我都懂但是我的代码写的特别烂,打算拿排序开刀慢慢写1.冒泡排序原理:就是一直做比较,让大的数字向上“冒泡”l = len(s)for i in range(l): while j < l: if s[i] < s[j]: temp = s[i] s[i] = s[j...
2018-03-28 17:41:28
137
原创 闭频繁项集的挖掘——Closet算法
Closet算法有很大一部分涉及到了FP-Growth算法,但是FP-Growth什么的大牛们都写了很多就不多赘述了吧。 话不多说直接上方法。 首先,对事务数据库进行扫描,得到一个根据项的支持度从大到小排序的项集合F_list,将不频繁的项删除。 然后根据F_list对数据集进行划分对每一个划分出来的数据集递归的进行闭项集的挖掘,直到划分出的子集中F_list为空。举个例子具体说明CLOS...
2018-03-17 16:27:53
5672
3
原创 Max-Miner算法
按照我的理解来讲一讲Max-Miner算法。 Max-Miner算法的目的是挖掘极大频繁项集。在算法中有一个重要的数据结构:枚举树,树的结构如图1所示,它对数据集作划分。 图1 Max-Miner算法中的树结构 接下来我们来分析它是如何对数据集进行划分的。 以根节点为例,它的对于根节点而言,它的前缀是空集,后缀是(ABCD)。(为了方便,我们记作节点g...
2018-02-14 23:31:17
1959
空空如也
空空如也
TA创建的收藏夹 TA关注的收藏夹
TA关注的人