登录免费注册

首页  思维导图  详情



 



推荐系统

推荐系统

2016-01-21 14:44:25   70  举报





AI智能生成

推荐系统脑图

推荐系统

模板推荐

作者其他创作

大纲/内容

基于近邻推荐

基础

基于内容

基于物品

评分

分类

协同过滤

回归or分类

评分scale

离散

连续

评分分布

极端

平均

基于用户

评分

分类

用户与物品比较

准确性

小部分高可信用户

用户量大于物品量

Amazon

基于物品

用户量小于物品量

论文推荐

基于用户

效率

用户量大

基于物品

用户量小

基于用户

稳定性

合理性

实现要素

评分标准化

均值中心化

Z-score标准化

方法选择

极度稀疏

preference-based filtering

惊喜度

相似度权重

双重角色

选择可信近邻

计算近邻权重

近邻推荐中最重要

基于关联的相似度

余弦相似度

皮尔逊相似度

其他相似度

均方差

斯皮尔曼等级关联

重要性

差异性

近邻选择

步骤

全局过滤最有可能近邻

预测中选择合适近邻

过滤

Top-N

阈值

负值

过滤方法可结合

预测

近邻列表

k值选择

进阶技术

缺陷

覆盖受限

稀疏敏感

降维

评分矩阵分解

LSI

Latent semantic indexing

SVD

实际不可用

基于图的方法

协同滤波

反馈

显示

隐式

两种主要技术

基于领域的方法

重点关注

物品间关系

用户间关系

隐语义模型

矩阵因子分解模型

隐语义空间映射

改进

传统

解决稀疏问题

近期

预备知识

基准预测

偏置

最小二乘法

梯度下降

Netflix

RMSE

关注大误差

topK提升更显著

低活跃用户

真实情况

隐式反馈

显式反馈不足时有用

历史记录型数据

二元矩阵

评分并非随机缺失

因子分解模型

SVD

信息不完整

填充

大计算量

数据倾斜

隐式维度

正则化平方误差

随机梯度

交替最小二成

SVD++

第二物品因子集合

多个额外物品因子集合

时间敏感因子

比较

准确度随因子维度上升

timeSVD++最好

基于邻域的模型

基础

早期

简单

效果低于隐语义模型

便于冷启动

相似度

皮尔逊相关系数

插值

增强的基于邻域的模型

全局化的邻域模型

因式分解的邻域模型

比较邻域和因子分解

相似

线性模型

SVD模型简化

转换为基于物品模型

和基于用户也等价

其实可以互补

评估

实例

 Collect

Get Started

架构 - 问答推荐系统设计

 Collect

Get Started

推荐流程

 Collect

Get Started

推荐报表

 Collect

Get Started

推荐流程













评论

0 条评论

下一页



图形选择

思维导图

主题

补充说明

AI生成





修改AI描述

去编辑

重新生成

提示 

关闭后当前内容将不会保存，是否继续？

取消

确定

Document