推荐系统
自由的行走
向着有光的地方出发!!!
展开
-
推荐系统的研究分类
推荐系统的研究分类分类的方式主要是:按照算法运用的技术分类,按照技术解决问题分类,按照使用的数据源进行分类,按照评估指标进行分类等四种分类方式1、按照技术分类a-.CF/关联规则a.矩阵分解b.主题模型c.图模型d.深度学习e.知识图谱2、按照问题类型a.数据稀疏性b.冷启动c.可解释性3、按照数据源a.ratingsb.reivewc.user-profiled.item-attribute4、按照评估指标a.评分预测:MSE R原创 2020-09-21 16:07:15 · 347 阅读 · 0 评论 -
推荐系统的挑战
推荐系统的挑战推荐系统简介随着互联网2.0的发展,用户不再是数据的消费者,满足于关键词的搜索和在线浏览,而成为了数据的生产者。数据逐渐由专业机构的生产转向由用户的生产,数据量也日益剧增,信息过载油然而生,具体的表现是一是信息过滤即如何从海量的信息中找到自己需要的信息,二是个性化即如何确保找到的信息与用户的偏好是匹配的。推荐系统能够在用户没有明确给出信息需求的情况下主动的给用户传递个性化感兴趣的信息。作为信息检索(IR)领域的一个重要分支近些年来发展极快,从传统的协同过滤算法到后来的因子分解机及其变种,原创 2020-09-10 10:37:31 · 1435 阅读 · 0 评论 -
推荐系统干货总结
前言推荐系统是一个相当火热的研究方向,在工业界和学术界都得到了大家的广泛关注。希望通过此文,总结一些关于推荐系统领域相关的会议、知名学者,以及做科研常用的数据集、代码库等,一来算是对自己涉猎推荐系统领域的整理和总结,二来希望能够帮助想入门推荐系统的童鞋们提供一个参考,希望能够尽快上手推荐系统,进而更好更快的深入科研也好、工程也罢。更多关于推荐系统的内容请参考拙作推荐系统从入门到接着入门一、...转载 2019-03-15 21:30:33 · 501 阅读 · 0 评论