推荐系统实践(项亮)第八章 第八章 评分预测问题之前一直讨论的是TopN推荐,这也是实际系统的需求,即给用户提供一个个性化推荐列表。除此之外,还有一个重要的问题是评分预测问题。 评分预测最基本的数据集由三元组$(u,i,r)$表示,表示用户$u$给物品$i$打了评分$r$,用户不可能对所有物品评分,因此评分预测问题就是如何通过已知的用户历史评分记录预测未知的用户评分记录。 例如通过下表的数据,我们希望预测用户A对变形金刚和黑 2022-04-16 推荐系统 读书笔记
推荐系统实践(项亮)第七章 第七章 推荐系统实例如何设计一个真实的推荐系统处理不同的数据,根据不同的数据设计算法,并将算法融合到系统中? 本章介绍推荐系统的外围架构,以及推荐系统架构每个模块的设计。 7.1 外围架构一般来说,每个网站会有一个UI系统,负责展示网页和交互,网站会通过日志系统将UI上的各种行为记录到用户行为日志中,并存储在内存缓存、数据库或文件系统中,推荐系统分析日志,然后生成推荐列表展示在网页界面上。 因 2022-04-15 推荐系统 读书笔记
推荐系统(项亮)第六章 第六章 利用社交网络数据基于社交网络的推荐可以很好的模拟现实社会。本章讨论如何利用社交网络数据给用户进行个性化推荐,一方面是给用户推荐物品,另一方面是给用户推荐好友。 6.1 获取社交网络数据的途径互联网有很多带有社交性质的网站,如下: 6.1.1 电子邮件电子邮件是一个比较封闭的系统,一般很难获得用户的联系人列表和用户之间的来往信件。因此对电子邮件中社交关系的研究集中在一些有大型电子邮件系统的公 2022-04-14 推荐系统 读书笔记
推荐系统实践(项亮)第五章 第五章 利用上下文信息用户所处的上下文(context)对推荐效果十分重要,例如时间,地点,心情等。推荐系统不能因为用户夏天喜欢过短袖就在冬天也推荐短袖(时间)。当用户在中关街搜索美食时,推荐的美食大部分都是该地点附近的,也能让用户满意。上下文影响兴趣的例子还有很多,例如上班前-下班后、周内-周末等等。因此,准确了解用户的上下文信息是设计好的推荐系统的关键步骤。 本章主要讨论时间上下文和地点上下文 2022-04-11 推荐系统 读书笔记
推荐系统实践(项亮)第四章 第四章 利用用户标签数据 推荐系统的目的是联系用户的兴趣和物品,这种联系需要不同的媒介。除了之前的$ItemCF$和$UserCF$,还有一种重要的方式是通过一些特征联系用户和物品,给用户推荐那些具有用户喜欢的特征的物品.这里的特征有不同的表现方式,比如可以表现为物品的属性集合(e.g., 对于图书,属性集合包括作者、出版社、主题和关键词等),也可以表现为隐语义向量(latent factor 2022-04-07 推荐系统 读书笔记
推荐系统实践(项亮)第三章 第三章 推荐系统冷启动问题冷启动问题:如何在没有大量用户数据的情况下设计个性化推荐系统? 3.1 冷启动问题简介冷启动问题(cold start)主要分三类: 用户冷启动 对于无行为数据的新用户,如何做个性化推荐 物品冷启动 如何将新的物品推荐给可能对它感兴趣的用户 系统冷启动 如何在一个新开发的网站(无用户,无用户行为,只有一些物品的信息)上设计个性化推荐系统 一般有以下解 2022-04-07 推荐系统 读书笔记
推荐系统实践(项亮)第二章笔记 第二章 利用用户行为数据本章节代码来源 实现个性化推荐最理想的情况是用户注册的时候主动告诉我们他喜欢什么,但其缺点有三: 1)NLU技术难以理解用户描述兴趣的自然语言. 2)用户的兴趣不断变化,但用户不会不停地更新兴趣描述. 3)用户不知道自己喜欢什么/很难用语言描述自己喜欢什么.因此,需要算法挖掘用户行为数据进而推荐. 啤酒尿布/购物车分析的例子就说明了用户行为数据蕴含不是那 2022-03-19 推荐系统 读书笔记
推荐系统实践(项亮)第一章笔记 第一章 好的推荐系统1.1 什么是推荐系统以看电影为例: 社会化推荐:找朋友问,发布动态等待热心人评论。既让好友给自己推荐物品。 基于内容的推荐:输入喜欢的演员名,发现没看过的就去观看。这种方式是寻找和自己之前看过的在内容上相似的电影。推荐系统可以将上述过程自动化,通过分析用户的喜欢的导演、演员等,然后给用户推荐相关电影。 基于协同过滤的推荐:看看别人都在看什么,找一部广受好评的进行观看。即找到和 2022-03-16 推荐系统 读书笔记
Hello World Welcome to Hexo! This is your very first post. Check documentation for more info. If you get any problems when using Hexo, you can find the answer in troubleshooting or you can ask me on GitHub. Quick 2022-02-25