该章偏向于理论描述,其中涉及到的方法通过造数据来完成对应的实验。本博客是【推荐系统技术、评估及高效算法】一书中的第2章内容提炼与总结。
整体上,本博客从方法定义、计算、优点、缺点四个方面来体现对某一个方法的论述与理解。
本章节主要亮点有两个:
1)基于图的推荐算法,这个在近期研究很火,好多paper都与此相关联。这个和阿里的swing算法比较相似。后面专栏会讲解。
2)基于学习的推荐算法,本章节中简要介绍了 SLIM算法,与之接近的是 GLSLIM算法、 CSLIM算法等。
图算法
二分图
评分预测和top-N是预测系统中两个重要的典型问题。
我们以评分预测来做例子进行讲解,topN问题也可以看成是评分预测取前n个。
二分图,又称二部图,是图的一种简单形式,二分图的定义是『有两顶点集且图中每条边的的两个顶点分别位于两个顶点集中,每个顶点集中没有边直接相连接!』。定义读得太拗口,我们来看一个图:
[来源于维基百科]
它的一个充分必要条件是,这个图可以把它分割成两个独立的部分,并且两个独立的部分内部不连通。这里就引伸出来两个算法题,判断某个图是否是二分图及最大匹配。自行搜索,有时间单独写这两道算法题目的博客。
Ref:
1、slim算法论文
2、github上slim代码
3、简书上slim推荐算法的github上python2/3代码
4、知乎上slim推荐算法的总结
5、推荐系统算法综述
6、阿里swing算法
7、二分图