![](https://img-blog.csdnimg.cn/20201014180756922.png?x-oss-process=image/resize,m_fixed,h_64,w_64)
推荐系统
文章平均质量分 70
范欣德
这个作者很懒,什么都没留下…
展开
-
第6节:FM与DeepFM算法
Field表示一个特征,因为one-hot把特征展开了,所以一个filed有多个值。(男生,哈尔滨,打篮球:特征索引为 0,2,5;(例如哈尔滨烤冷面,俩特征分别是:哈尔滨,烤冷面,组合起来才是那个味)一般数据挖掘问题也确实都是偏人工的,但是推荐系统中,特征指标太多了,利用树模型来做,树模型本身就有特征选择的功能,再结合集成算法。特征工程:不就是搞特征嘛,我就使劲想哪些能组合,整合上去。用户的特征,商品的特征,行为的特征,能有的信息实在太多了。还记得特征组合的意义吧:(宅男,游戏)(中年人,保健品)原创 2023-06-18 02:23:16 · 69 阅读 · 0 评论 -
第5节:基于知识图谱的电影推荐实战
先跑完数据预处理,得到几个输出文件。原创 2023-06-17 20:02:58 · 150 阅读 · 0 评论 -
第4节:Neo4j数据库实例
配置好 JDK 和 Neo4j 的环境变量先试试是否安装成功了:java -version启动:neo4j.bat console第一次启动有默认用户名和密码:neo4j neo4j。原创 2023-06-16 01:11:32 · 211 阅读 · 0 评论 -
第3节:知识图谱介绍
人情世故原创 2023-06-16 00:40:56 · 50 阅读 · 0 评论 -
第2节:协同过滤与矩阵分解
首先计算商品之间的相似度(pearson),邻居设置为2,预测r51=?置信度默认为1,表示用户没有产生行为的商品;行为越多,置信度越大。求解过程依旧交替使用最小二乘法,固定Y优化X,再固定X优化Y。通常收集的数据都是用户的行为:观看时间,点击次数等指标。总结起来就是置信度越大的你得预测的越准,要不损失就大了。N为用户个数,M为商品个数,还需注意隐向量维度。这种数据该怎么求解呢?其中还额外引入了正则化惩罚项。原创 2023-06-16 00:21:42 · 175 阅读 · 0 评论 -
第1节:推荐系统介绍
什么是推荐系统呢? 高度总结:来了就别想走了,抖音一刷一整天,微博越刷越过瘾 好产品都推荐的好 大数据时代也带来了一些问题,信息太多了,到底哪个是我需要的? 话题很多,感兴趣的却很少,这就需要推荐系统来登场了 抖音越刷越是自己喜欢的东西(导致不敢让别人别我抖音了) 京东越买越想买(导致不敢乱搜索了,只是个段子。。。) 推荐系统无处不在 你可能感兴趣的,你可能喜欢的 越是大厂,推荐做的越好 用户的行为决定了推荐的内容 千人千面,所有人的推荐都不一样 为什么需要推荐系统 卖的好的就那几种商品,其原创 2023-06-15 23:48:54 · 46 阅读 · 1 评论