- 博客(5)
- 收藏
- 关注
RSS订阅原创 百度有道雅虎的实习面试经历
某度（某度知道）的面试经历：在水木看到的招聘信息，于是就投了下试试。然后过了几天接到电话让我去面试。竟然不是在我所知道的上地九街的那个百度大厦。。。等不到公交只能打的到上地五街的百度了。。。（搞两个临近的大厦是啥意思？）然后面试官就带我去面试了。。。。万万没想到竟然是在类似咖啡厅的地方阿（一般不是单独的会议室的嘛，某度你要不要这么low...然后我就被隔壁桌的一讲话很大声的女生影响到了，脑
2014-07-17 16:42:16
2988
3
原创 基于用户和基于物品的协同过滤算法的比较
首先回顾一下，协同过滤算法主要有两种，一种是基于用户的协同过滤算法（UserCF），另一种是基于物品的协同过滤算法（ItemCF）。基于用户的协同过滤算法主要有两步：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。基于物品的协同过滤算法主要有两步：1）计算物品之间的相似度。2）根据物品的相
2014-07-09 19:39:11
19826
原创 推荐算法之基于物品的协同过滤算法
基于物品的协同过滤算法（ItemCF）是业界应用最多的算法，主要思想是利用用户之前有过的行为，给用户推荐和之前物品类似的物品。基于物品的协同过滤算法主要分为两步：1）计算物品之间的相似度。2）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。第一步的关键点在于计算物品之间的相似度，这里并不采用基于内容的相似性，而是去计算在喜欢物品i的用户中有多少是喜欢物品j的，这样计算的前提是用
2014-07-08 20:35:17
14713
原创 推荐算法之基于用户的协同过滤算法
协同过滤是推荐算法中最基本的算法，主要分为基于用户的协同过滤算法和基于物品的协同过滤算法。这篇文章主要介绍基于用户的协同过滤算法，简单来说，要给用户u作推荐，那么只要找出那些和u之前的行为类似的用户，即和u比较像的用户，把他们的行为推荐给用户u即可。所以基于用户的系统过滤算法包括两个步骤：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
2014-07-06 23:41:28
8384
原创 推荐系统的评测方法及指标
首先声明，以下内容是看了项亮的《推荐系统实践》后 写的，内容基本出自该书，只是我自己再归纳总结一下而已（以免喷子又喷）推荐系统中，主要有三种评测推荐效果的实验方法：1）离线实验。 往往是从日志系统中取得用户的行为数据，然后将数据集分成训练数据和测试数据，比如80%的训练数据和20%的测试数据（还可以交叉验证），然后在训练数据集上训练用户的兴趣模型，在测试集上进行测试。 优点：只需要
2014-07-03 19:53:54
17784
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