协同过滤CF
ChanKamShing
这个作者很懒,什么都没留下…
展开
-
CF中User-Based与Item-Based的区别
先来了解以下两者的实现思路: User-Based算法基本思路: 找到与目标用户购买过相(同)类似商品的用户,作为相似用户; 得到相似用户评价很高的,并且目标用户没有评分过(购买过)的Item,并推荐给目标用户; Item-Based算法基本思路: 计算目标用户评分过(购买过)的Item与其他Item的相似度; 根据目标用户的历史行为和物品的相似度,为目标用户生成推荐列表; ...原创 2019-11-05 14:05:11 · 1304 阅读 · 0 评论 -
User协同过滤(基于Python实现)
项目地址:https://github.com/ChanKamShing/UserCF_python.git 推荐系统的作业流程: 召回/match(推荐引擎)-> 物品候选集 -> 过滤 -> 排序 -> 策略(保证结果多样性) -> 推荐list 协同过滤CF属于第一阶段,我们常常称之为“推荐引擎”。“推荐引擎”可以有多个基准,包括:基于相似用户、基于相似物...原创 2019-08-24 18:08:02 · 610 阅读 · 0 评论 -
User协同过滤(基于Spark实现)
项目地址:https://github.com/ChanKamShing/UserCF_Spark.git 推荐系统的作业流程: 召回/match(推荐引擎)-> 物品候选集 -> 过滤 -> 排序 -> 策略(保证结果多样性) -> 推荐list 协同过滤CF属于第一阶段,我们常常称之为“推荐引擎”。“推荐引擎”可以有多个基准,包括:基于相似用户、基于相似物品...原创 2019-08-25 12:22:55 · 997 阅读 · 0 评论 -
Item协同过滤(基于Python实现)
在众多召回策略里面,基于Item与基于User(可参考:https://blog.csdn.net/weixin_39400271/article/details/100052023)在实现上非常相似。所以这里使用了跟基于User协同过滤的数据u.data。 u.data数据格式(user_id, item_id, rating, timestamp) 实现原理: ...原创 2019-09-05 09:37:15 · 348 阅读 · 0 评论