推荐系统
搬砖老头
仰望星空,脚踏实地!天道酬勤,机会总是留给有准备的人!
展开
-
推荐
[协同过滤] : 交替最小二乘法 1. 基础回顾 矩阵的奇异值分解 SVD (特别详细的总结,参考 http://blog.csdn.net/wangzhiqing3/article/details/7446444) 矩阵与向量相乘的结果与特征值,特征向量有关。数值小的特征值对矩阵-向量相乘的结果贡献小 1)低秩近似 2)特征降维 相似度和原创 2017-08-09 10:38:06 · 222 阅读 · 0 评论 -
ALS过程推导
ALS是alternating least squares的缩写 , 意为交替最小二乘法;而ALS-WR是alternating-least-squares with weighted-λ -regularization的缩写,意为加权正则化交替最小二乘法。该方法常用于基于矩阵分解的推荐系统中。例如:将用户(user)对商品(item)的评分矩阵分解为两个矩阵:一个是用户对商品隐含特征的偏好矩阵,转载 2017-08-09 11:08:42 · 1141 阅读 · 0 评论 -
推荐系统的几种相似度计算
对用户的行为进行分析得到用户的偏好后,可以根据用户的偏好计算相似用户和物品,然后可以基于相似用户或物品进行推荐。这就是协同过滤中的两个分支了,即基于用户的协同过滤和基于物品的协同过滤。 关于相似度的计算,现有的几种方法都是基于向量(Vector)的,其实也就是计算两个向量的距离,距离越近相似度越大。在推荐场景中,在用户-物品偏好的二维矩阵中,我们可以将一个用户对所有物品的偏好作为转载 2017-08-13 21:35:37 · 7314 阅读 · 1 评论