weixin_43461341的博客

一、局部敏感哈希LSH在很多应用领域中，我们面对和需要处理的数据往往是海量并且具有很高的维度，怎样快速地从海量的高维数据集合中找到与某个数据最相似（距离最近）的一个数据或多个数据成为了一个难点和问题。如果是低维的小数据集，我们通过线性查找（Linear Search）就可以容易解决，但如果是对一个海量的高维数据集采用线性查找匹配的话，会非常耗时，因此，为了解决该问题，我们需要采用一些类似索引的技...

TFIDF算法获取关键词“词频”（TF）和"逆文档频率"（IDF），将这两个值相乘，就得到了一个词的TF-IDF值。某个词对文章的重要性越高，它的TF-IDF值就越大。所以，排在最前面的几个词，就是这篇文章的关键词。TFIDF的主要思想是：如果某个词或短语在一篇文章中出现的频率TF高，并且在其他文章中很少出现，则认为此词或者短语具有很好的类别区分能力，适合用来分类。IDF（Inverse D...

1.说明在推荐系统中有两种协同过滤的方式。一种是基于邻域的方式，这种方式又包含了基于用户的和基于物品的，这种方式实现简单，而且效果也是非常的不错，唯一的缺点是对待稀疏矩阵的时候表现乏力。因此诞生了下面的方式。方式二是基于模型的方式，也就是矩阵分解的方式，这种方式将推荐问题转化为了机器学习问题。为了防止overfitting，添加正则项控制过拟合。_coding:utf-8 _...

1）什么是用户兴趣？指用户在使用某APP时，所表现的行为倾向性，APP会根据用户的一系列行为表现来确实用户的兴趣。2）兴趣模型的分类按时间：长期兴趣，短期兴趣；长期兴趣指不容易随着时间而变化的兴趣，相对稳定；短期兴趣指变化比较频繁的兴趣。按表现：显式的兴趣；隐式的兴趣；显式兴趣指用户能显式并愿意主动显示的兴趣，如用户选择性别倾向，订阅频道；隐式兴趣指用户难以直接表述的，但是潜在的用户会不自...

这篇文章我们主要关注的是基于内容的推荐算法，它也是非常通用的一类推荐算法，在工业界有大量的应用案例。本文会从什么是基于内容的推荐算法、算法基本原理、应用场景、基于内容的推荐算法的优缺点、算法落地需要关注的点等5个方面来讲解。希望读者读完可以掌握常用的基于内容的推荐算法的实现原理，并且可以基于本文的思路快速将基于内容的推荐算法落地到真实业务场景中。01 什么是基于内容的推荐算法首先我们给基于...

一、在适合用途上的比较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）根据物品的相似度和用户的历史行为给用户生成推荐列表。Item CF是利用物品间的相似性来推荐的，所以假如用户的数量远远超过物品的数量，那么可以考虑使用Ite...

链接：https://www.jianshu.com/p/b564c19567b7今日头条发布了后台的算法原理，不过用词比较考究、说的比较深奥，让人感觉云里雾里不知何处，本篇尽量用通俗语言进行解析，希望对大家有所帮助。1、【原文】今日头条算法推荐系统，主要输入三个维度的变量。一是内容特征，图文、视频、UGC小视频、问答、微头条等，每种内容有很多自己的特征，需要分别提取；二是用户特征，包括兴趣标...

传送门驾到：https://blog.csdn.net/u011630575/article/details/80171597无意中发现了一个巨牛的人工智能教程，忍不住分享一下给大家。教程不仅是零基础，通俗易懂，而且非常风趣幽默，像看小说一样！觉得太牛了，所以分享给大家。https://www.cbedai.net/u011630575/...

本文链接：https://blog.csdn.net/keyue123/article/details/87370575  今年抖音非常火爆和流行，我们在刷抖音的时候，经常会发现给我们刷到自己微信或者是抖音好友喜欢的小视频，这里很多人都就会很好奇，抖音怎么知道这些人是我的好友，甚至知道我和好友的兴趣就一样呢，这就有了基于社交网络数据的推荐算法。ps:抖音的推荐是多种算法实现的，基于社交网络数据应...