推荐系统
文章平均质量分 75
mark_yueye
热衷于技术提升,热爱编程。
展开
-
Netflix公布个性化和推荐系统架构
Netflix的推荐和个性化功能向来精准,前不久,他们公布了自己在这方面的系统架构。3月27日,Netflix的工程师Xavier Amatrain和Justin Basilico在官方博客发布文章,介绍了自己的个性化和推荐系统架构。文章开头,他们指出:要开发出这样的一个软件架构,能够处理海量现有数据、响应用户交互,还要易于尝试新的推荐方法,这可不一点都不容易。接下来,文章贴出转载 2013-11-12 21:09:28 · 912 阅读 · 0 评论 -
推荐系统概述
在推荐系统简介中,我们给出了推荐系统的一般框架。很明显,推荐方法是整个推荐系统中最核心、最关键的部分,很大程度上决定了推荐系统性能的优劣。目前,主要的推荐方法包括:基于内容推荐、协同过滤推荐、基于关联规则推荐、基于效用推荐、基于知识推荐和组合推荐。一、基于内容推荐基于内容的推荐(Content-basedRecommendation)是信息过滤技术的延续与发展,它是建立在项目的内容信息上...原创 2013-11-15 12:54:56 · 100 阅读 · 0 评论 -
Mahout推荐算法之ItemBased
基于item的推荐是常用并且高效的一种推荐方式,最重要的是它可以做实事推荐。原创 2014-10-11 13:08:01 · 3676 阅读 · 0 评论 -
SVD在推荐系统中的应用
其实说参考也不准确,准确地说应该是半翻译半学习笔记。仔细整理一遍,感觉还是收获很大的。线性代数相关知识:任意一个M*N的矩阵A(M行*N列,M>N),可以被写成三个矩阵的乘机:1.U:(M行M列的列正交矩阵)2.S:(M*N的对角线矩阵,矩阵元素非负)3.V:(N*N的正交矩阵的倒置)即A=U*S*V‘(注意矩阵V需要倒置)直观地说:假设我们有一转载 2013-11-13 09:49:01 · 894 阅读 · 0 评论 -
Slop One 算法
Slope One 算法是由 Daniel Lemire 教授在 2005 年提出的一个 Item-Based 推荐算法。Slope One 算法试图同时满足这样的的 5 个目标:易于实现和维护:普通工程师可以轻松解释所有的聚合数据,并且算法易于实现和测试。运行时可更新的:新增一个评分项,应该对预测结果即时产生影响。高效率的查询响应:快速的执行查询,可能需要付出更多的空间占用作转载 2013-11-13 09:48:49 · 1299 阅读 · 0 评论 -
Mahout SlopOne
关于推荐引擎 如今的互联网中,无论是电子商务还是社交网络,对数据挖掘的需求都越来越大了,而推荐引擎正是数据挖掘完美体现;通过分析用户历史行为,将他可能喜欢内容推送给他,能产生相当好的用户体验,这就是推荐引擎。推荐算法Slope one的原理 首先Slope one是一种基于项目的协同过滤算法(Item-based Recommendation),简单介绍这种转载 2013-11-13 09:47:57 · 1137 阅读 · 0 评论 -
svd++
SVD++ refers to amatrix factorization model which makes use of implicit feedback information.In general, implicit feedback can refer to any kinds ofusers' history information that can help i转载 2013-11-13 09:47:43 · 1585 阅读 · 0 评论 -
Netflix Recommendations
by Xavier Amatriain and Justin Basilico (Personalization Science and Engineering)In part one of this blog post, we detailed the different components of Netflix personalization. We also expla转载 2013-11-13 09:46:49 · 1330 阅读 · 0 评论 -
推荐系统框架
在推荐系统简介中,我们给出了推荐系统的一般框架。很明显,推荐方法是整个推荐系统中最核心、最关键的部分,很大程度上决定了推荐系统性能的优劣。目前,主要的推荐方法包括:基于内容推荐、协同过滤推荐、基于关联规则推荐、基于效用推荐、基于知识推荐和组合推荐。一、基于内容推荐基于内容的推荐(Content-basedRecommendation)是信息过滤技术的延续与发展,它是建立在项目的内容信息上作转载 2013-11-13 09:49:13 · 1503 阅读 · 0 评论 -
基于内容的推荐
Collaborative Filtering Recommendations (协同过滤,简称CF) 是目前最流行的推荐方法,在研究界和工业界得到大量使用。但是,工业界真正使用的系统一般都不会只有CF推荐算法,Content-based Recommendations (CB) 基本也会是其中的一部分。 CB应该算是最早被使用的推荐方法吧,它根据用户过去喜欢的产品(本文统称为转载 2013-11-13 09:47:00 · 1274 阅读 · 0 评论 -
SlopOne 改进
lope One其基本的想法来自于简单的一元线性模型 $w = f(v) = v + b$。已知一组训练点 ${(v_i, w_i)}_{i=1}^n$,利用此线性模型最小化预测误差的平方和,我们可以获得利用上式获得了$b$的取值后,对于新的数据点$v_{new}$,我们可以利用 $w_{new} = b + v_{new}$ 获得它的预测值。直观上我们可以把上面求转载 2013-11-13 09:46:35 · 847 阅读 · 0 评论 -
淘宝推荐系统
一、推荐系统概念1、推荐系统定义维基百科:推荐系统属于资讯过滤的一种应用。推荐系统能够将可能受喜好的资讯或实物(例如:电影、电视节目、音乐、书籍、新闻、图片、网页)推荐给使用者。推荐系统大体可分为两类,即个性化推荐和非个性化推荐。2、推荐系统作用从用户角度:提高用户忠诚度帮助用户快速找到商品从网站角度:提高网站交叉销售能力提高成交转化率好的推荐系统更像一转载 2013-11-12 21:11:46 · 2334 阅读 · 0 评论 -
Solpe one
Slope One 算法试图同时满足这样的的 5 个目标:易于实现和维护:普通工程师可以轻松解释所有的聚合数据,并且算法易于实现和测试。运行时可更新的:新增一个评分项,应该对预测结果即时产生影响。高效率的查询响应:快速的执行查询,可能需要付出更多的空间占用作为代价。对初次访问者要求少:对于一个评分项目很少的用户,也应该可以获得有效的推荐。合理的准确性:与最准确的方法相比,...2013-11-15 18:55:37 · 133 阅读 · 0 评论