山野村夫pro的专栏

1.1 什么是推荐系统 在用户没有明确需求时，帮助他们发现感兴趣的新内容。 推荐算法的本质是通过一定的方式将用户和物品联系起来，而不同的推荐系统利用了不同的方式。 1.2 个性化推荐系统的应用 个性化推荐系统需要依赖用户的行为数据。 尽管不同的网站使用不同的推荐系统技术，但总地来说，几乎所有的推荐系统应用都是由前台的展示页面、后台的日志系统以及推荐算法系统3部分构成。 常见...

目录 7.1 外围架构 7.2 推荐系统架构 7.3 推荐引擎架构 7.3.1 生成用户特征向量 7.3.2 特征-物品相关推荐 7.3.3 过滤模块 7.3.4 排名模块 7.1 外围架构 数据的收集与存储 实时数据：数据库mysql或缓存redis中 非实时数据：分布式文件系统(如HDFS中) 7.2 推荐系统架构 推荐系统联系用户和物品的方式主要有3种： 可...

目录 2.1 用户行为数据简介 2.2 用户行为分析 2.2.1 用户活跃度和物品流行度的分布 2.2.2 用户活跃度和物品流行度的关系 2.3 实验设计和算法评测 2.3.1 数据集 2.3.2 实验设计 2.3.3 评测指标 2.4 基于邻域的算法 2.4.1 基于用户的协同过滤算法 2.4.2 基于物品的协同过滤算法 2.4.3 UserCF与ItemCF的比较 2...

目录 3.1 冷启动问题简介 3.2 利用用户注册信息 3.3 选择合适的物品启动用户的兴趣 3.4 利用物品的内容信息 3.5 发挥专家的作用 3.1 冷启动问题简介 冷启动问题分为3类： 用户冷启动：主要解决如何给新用户做个性化推荐的问题。 物品冷启动：主要解决如何将新的物品推荐给可能对它感兴趣的用户这一问题。 系统冷启动：新开发的平台/网站，如何推荐？ 解决方案：热门物品...

目录   4.1 UGC标签系统的代表应用 4.1.1 Delicious 4.1.2 CiteULike 4.1.3 Last.fm 4.1.4 豆瓣 4.1.5 Hulu 4.2 标签系统中的推荐问题 4.2.1 用户为什么进行标注 4.2.2 用户如何打标签 4.2.3 用户打什么样的标签 4.3 基于标签的推荐系统 4.3.1 实验设置 4.3.2 一个最简单的...