推荐系统相关知识点

相似度计算中的距离

其中皮尔逊相关系数,是x与y的协方差与x与y的标准差之积的比值。协方差表示的是x与y的相关性 取值在[-1,1]之间
在这里插入图片描述

基于用户的协同过滤

将购买比较相似的其他用户买过的商品 推荐给用户
在这里插入图片描述

基于用户的协同过滤存在的问题:

  1. 新用户 并没有购买习惯相似的小伙伴
  2. 一个不错的商品 但是没有人买 那么永远得不到推荐
    3.评分矩阵比较稀疏
    在这里插入图片描述

基于用户的协同过滤不流行原因

在这里插入图片描述

基于物品的协同过滤

基于物品的协同过滤主要优势:
在这里插入图片描述

冷启动问题

无论基于用户还是基于物品,对于一个新用户或者一个新物品 都是没有小果伴的
在这里插入图片描述

隐语义模型

将协同过滤中的UI矩阵,变化下 加了隐含银子
在这里插入图片描述

隐语义模型与协同过滤的对比

  1. 在协同过滤中 矩阵比较稀疏 而在隐语义中 P与Q不那么稀疏
  2. 隐语义通过隐藏因子F 将矩阵空间变小
    在这里插入图片描述

推荐系统中的衡量指标

在推荐系统中 准确率不是说推荐的准不准而是一个分数
覆盖率:希望推荐的范伟比较广
在这里插入图片描述
在这里插入图片描述

评论
添加红包

请填写红包祝福语或标题

红包个数最小为10个

红包金额最低5元

当前余额3.43前往充值 >
需支付:10.00
成就一亿技术人!
领取后你会自动成为博主和红包主的粉丝 规则
hope_wisdom
发出的红包
实付
使用余额支付
点击重新获取
扫码支付
钱包余额 0

抵扣说明:

1.余额是钱包充值的虚拟货币,按照1:1的比例进行支付金额的抵扣。
2.余额无法直接购买下载,可以购买VIP、付费专栏及课程。

余额充值