![](https://img-blog.csdnimg.cn/20201014180756925.png?x-oss-process=image/resize,m_fixed,h_64,w_64)
协同过滤
莫一丞元
根特大学PhD在读
展开
-
基于用户的协同过滤算法
在推荐系统中,该算法出现最早。在2000年之前,都十分著名。基本思想俗话说“物以类聚、人以群分”,拿看电影这个例子来说,如果你喜欢《蝙蝠侠》、《碟中谍》、《星际穿越》、《源代码》等电影,另外有个人也都喜欢这些电影,而且他还喜欢《钢铁侠》,则很有可能你也喜欢《钢铁侠》这部电影。所以说,当一个用户 A 需要个性化推荐时,可以先找到和他兴趣相似的用户群体 G,然后把 G 喜欢的、并且 A 没有听说过的物品推荐给 A,这就是基于用户的系统过滤算法。步骤:倒排法-为了避免计算显然不相关的两个用户相似度,减原创 2020-09-15 23:13:01 · 321 阅读 · 0 评论 -
基于标签的方法概述
对于含有物品标签的数据集,我们可以采用基于标签的的方法对用户进行推荐,简单的说:就是根据用户打标签的数据,找到该用户喜爱的标签,然后推荐给其具有该标签的商品。那么接下来主要讨论如何利用用户打标签的行为,为该用户推荐物品。方法一:先让我们可以利用一个简单算法:利用personalrank算法基于图算法进行推荐,其中该图由用户顶点、物品顶点、标签顶点构成,其中如果顶点之间有有关系,则两顶点之间边的权重加一,计算思想与personalrank相同。其中图的构建如下面所示:但是利用标签将用户和商品进行原创 2020-09-15 23:05:35 · 235 阅读 · 0 评论 -
UGC的标签系统
UGC(user generated content)为推荐系统中用户生成的内容,标签为其中的一种。标签应用根据打标签的人不同,一般分为:专家给物品打标签和用户给物品打标签(也就是UGC的标签应用)。接下来我们只讨论第二种打标签的方式会遇到的问题。首先用户给物品打标签,包含两层意义:一方面体现了用户的兴趣,另一方面体现了物品的属性。那么存在两个主要问题:如何利用用户打标签的行为为用户进行个性化推荐(具体解决办法,看同一目录下的《基于标签的推荐方法概述》文档);如何让用户为物品打上合适的标签。原创 2020-09-15 23:01:29 · 539 阅读 · 0 评论 -
基于商品的协同过滤算法
在推荐系统中,该算法出现最早。在2000年之前,都十分著名。基本思想假若用户喜欢物品A,并且物品A和物品B具有很大的相似度,那么该用户大都也喜欢物品B。步骤:倒排法-为了避免计算显然不相关的两个用户相似度,减少计算开支;计算商品之间相似性;找到用户喜欢的商品集合,计算与目标用户没有购买的商品之间的相似性,取前几个商品推荐给目标用户。倒排法首先利用将用户–物品表(倒排表);根据倒排表画出相似度矩阵(比如倒排表第一行说明ab ad bd有关联,就在矩阵中置1,第三行说明ab有关原创 2020-09-15 22:58:01 · 1012 阅读 · 0 评论 -
LFM理解
矩阵V:表示不同音乐含有不同元素的程度。(可以观察到近似于A)。那么我们对其用户推荐标红部分歌曲。原创 2020-09-15 22:52:49 · 295 阅读 · 0 评论 -
PersonalRank算法理解
首先将用户历史数据,转化为二分图,如下此时给用户u推荐商品的任务就转化为度量用户顶点和与没有直接相连的物品结点在图上的相关性。一般来说图中顶点的相关性主要取决于三个因素:l 两顶点之间的路径数l 两顶点之间的路径的长度l 两顶点之间的路径经过的顶点而相关性高的顶点之间一般具有如下特征:l 两顶点之间有很多路径相连l 连接两顶点之间的路径长度比较短l 连接两顶点之间的路径不会经过出度比较大的顶点我们规定连线代表的权重均为1,并没有考虑用户对该商品的喜爱程度,感兴趣即有边相连,不原创 2020-09-14 23:17:32 · 541 阅读 · 2 评论 -
二分图理解
原创 2020-09-14 23:11:29 · 115 阅读 · 0 评论 -
基于模型的协同过滤概述
基于模型的协同过滤作为目前最主流的协同过滤类型,其相关算法可以写一本书了,当然我们这里主要是对其思想做有一个归类概括。我们的问题是这样的m个物品,m个用户的数据,只有部分用户和部分数据之间是有评分数据的,其它部分评分是空白,此时我们要用已有的部分稀疏数据来预测那些空白的物品和数据之间的评分关系,找到最高评分的物品推荐给用户。对于这个问题,用机器学习的思想来建模解决,主流的方法可以分为:用关联算法,聚类算法,分类算法,回归算法,矩阵分解,神经网络,图模型以及隐语义模型来解决。下面我们分别加以介绍。1 用关原创 2020-09-14 23:08:14 · 1373 阅读 · 0 评论 -
协同过滤概述
定义协同过滤推荐算法(仅仅基于用户行为数据设计的推荐算法)就是指用户不断地和网站互动,是自己的推荐列表能够不断地过滤掉自己不感兴趣的物品。用户数据简介由于协同过滤推荐算法是仅仅基于用户行为数据设计的推荐算法,这里首先介绍一下用户行为数据。用户行为数据一般分为显性反馈数据(比如评分)和隐性反馈数据(比如页面浏览行为);假若按照反馈的明确性分,可以分为正反馈(行为倾向于用户喜欢该物品)和负反馈(行为倾向于用户不喜欢该物品)。数据存储一般形式为日志(成为原始日志),然后加工成为会话日志,类型包含:l&n原创 2020-09-14 23:05:35 · 1191 阅读 · 0 评论