电影推荐算法---HHR计划

1，先看FM部分。

2，看看冷启动。

     0，热门召回源。

     1，男女召回源，年龄召回源，职业召回源，score最高。

     2，男女年龄职业相互组合；

     3，存入redis。天级别更新。

3，召回+排序先搞懂。

4，排序一个一个往里套。（按照电商的做法，rmse，auc）

 

----------问题讨论--------

1，目前进度都有哪些？

2，协同都是你们自己写的吗？

3，模型用了哪一个了？

4, jiaxin 后来的课程如何？有用的？

------1, 数据阶段----------

ratings.dat: user_id, movie_id, rating, timestamp

users.dat: user_id, gender, age, occupation（职业）, zip-code

movie.dat: movie_id, title, genres(体裁).

 

------2, 先看FM。------------

1. 数据导入：python mkdata.py ratings.dat > ratings.fm

   数据变换：1::1193::5::978300760 -> 5.000000 1:1 11193:1

2. 模型训练：python fm.py ratings.fm
3. 电影相似度：python sim_movies.py
4. 用户观影历史: python user_movies.py ratings.dat
5. 推荐电影：python recommend.py 1 

--------3，所有排序一个一个往里套-----------

1，LR（不适用于此）

2，linear regression：

3，xgboost（也 for 一遍看看）：

4，FM:

5, Wide & Deep：

6，GBDT + LR:

7, 网格搜索一下最好的。

 

--------4，召回部分学习----------------------

 1，word2vec：

 2，CF：

 3，FM：

 4，DNN：

 

转载于:https://www.cnblogs.com/yueyebigdata/p/11375126.html