![](https://img-blog.csdnimg.cn/20201014180756780.png?x-oss-process=image/resize,m_fixed,h_64,w_64)
个性化推荐
zhangshuliai
这个作者很懒,什么都没留下…
展开
-
个性化推荐和遗传算法
遗传算法包含两个步骤:1,变异;2,选择。算法在每次迭代的过程中选择对一些特征变异,然后再计算变异后的效果,好则保留变异特征。 假如已经能够完全掌握用户的数据模型,个性化推荐第一要满足精确性,根据数据模型能保证最优化精确性。但是完全基于用户数据模型相当于只有遗传没有变异,推荐显得缺乏新颖性,并且也很难发现用户的变化(毕竟用户的兴趣点也一直在变)。而如果在每次推荐中都加入一些新元素,根据用户对这些原创 2012-09-17 21:09:44 · 711 阅读 · 0 评论 -
个性化推荐语自然语言处理
自然语言处理中有一个定律叫做齐普夫定律。对一本书中的词语按照出现的频率排序,第k个出现的词其频率和1/k成正比。 个性化推荐中,如果把所有被推荐的商品按照推荐的频率排序,是不是也符合齐普夫定律?至少是符合广义的齐普夫定律,即商品出现频率和f(k)成正比。 个性化推荐的一个标准是有没有很好的覆盖率,即每一个商品都要覆盖。可以用熵来衡量覆盖率,即熵越大覆盖效果越好,这样优化的结果是所有商品均匀分布原创 2012-09-17 20:43:50 · 961 阅读 · 0 评论 -
个性化推荐与搜索引擎
基于邻域的推荐算法是一种常用的推荐算法,而基于用户特征的的邻域推荐算法是一种重要的邻域推荐算法。 用户A购买了商品B,或者对B做了流量评价等,可以用B表示为A的一个特征,这样每个用户就有多个特征,通过计算用户特征来得到用户的相似性。如果每个特征都赋值相同的权重,效果并不会很好。可以借鉴搜索引擎里面的tf/idf,对于大量被购买的商品,可以赋值较小的权重。 其实可以把用户看成是一篇文档,而用户购原创 2012-09-17 22:15:06 · 629 阅读 · 0 评论