推荐算法

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

推荐系统实践

第一章：好的推荐系统

 

推荐系统实验方法：

离线实验

用户调查

在线实验：AB测试，将用户分成不同的组，然后不同组里面用不同算法，最后根据后台日志数据库，分析得出哪些算法比较好

 

 

推荐系统的测评指标

1、 用户满意度（用户调查，在线实验）

2、 预测准确度（离线）

打分系统：

 

 

 

TOPN 推荐：

准确率和召回率

 

 

有的时候，为了全面评测TopN推荐的准确率和召回率，一般会选取不同的推荐列表长度N，

计算出一组准确率/召回率，然后画出准确率/召回率曲线（precision/recall curve）。

 

3、 覆盖率

消除马太效应

4、 多样性

5、

 

 

 

 

 

 

第2章 利用用户行为数据

 

 

 

 

 

 

 

 

 

 

 

皮尔森系数：

pearson是一个介于-1和1之间的值，用来描述两组线性的数据一同变化移动的趋势。

当两个变量的线性关系增强时，相关系数趋于1或-1；当一个变量增大，另一个变量也增大时，表明它们之间是正相关的，相关系数大于0；如果一个变量增大，另一个变量却减小，表明它们之间是负相关的，相关系数小于0；如果相关系数等于0，表明它们之间不存在线性相关关系。

 

基于用户的协同过滤，jacad距离改进：

 

 

 

 

 

 

 

转载于:https://www.cnblogs.com/wuxiangli/p/5985519.html