登录免费注册

首页  思维导图  详情



 



推荐系统实践

推荐系统实践

2016-11-28 21:20:13   1  举报





AI智能生成

121

1221

模板推荐

作者其他创作

大纲/内容

好的推荐系统

试验方法

离线实验

生成标准的数据集

分成训练集和测试集

训练集上训练用户兴趣模型

测试集上进行预测

评测预测结果

在线实验

AB测试

用户调查

双盲测试

推荐系统测评

好的推荐系统

满足用户需求

用户感兴趣

自我完善

测评指标

用户满意度

调查问卷

预测准确度

评分预测

均方根误差RMSE

TOPN推荐

准确率precision

召回率recall

准确率召回率曲线precision/recall curve

覆盖率

长尾物品的发掘能力

所有物品均匀的出现在推荐列表中

信息熵

基尼系数

多样性

多样性和相似性是对应的

新颖性

推荐未听说过的物品

不牺牲精度的情况下提高新颖性和多样性

惊喜度

莫名其妙

喜欢

信任度

熟人推荐

权威推荐

实时性

用户新行为

新物品

健壮性

抗击作弊

商业目标

经济效益最大化

利用用户行为

用户行为数据

无上下文信息的隐性反馈数据集

用户ID、物品ID Book-Crossing

无上下文信息的显示反馈数据集

用户ID、物品ID、评分

有上下文信息的隐性反馈数据集

用户ID、物品ID、行为时间戳

有上下文信息的显性反馈数据集

用户ID、物品ID、评分、行为时间戳

用户行为分析

用户活跃度和物品流行度分布

PowerLaw分布也称长尾分布

用户活跃度和物品流行度的关系

活跃用户倾向浏览冷门物品

实验设计和算法评测

数据集

GroupLens提供的MovieLens数据集

实验设计

协同过滤算法

离线实验

数据集分成M份

M-1份作为训练集

1份作为测试集

防止过拟合

进行M次实验，每次用不同的测试集

评测指标

准确率

召回率

覆盖率

基于邻域的算法

基于用户协同过滤

找到和目标用户兴趣相似的用户集合

兴趣相似度

行为相似度计算兴趣相似度

Jaccard公式

余弦相似度

计算量大

判断分子非0

物品-用户倒排序列表

用户相似度矩阵

行为相似度计算兴趣相似度

Jaccard公式

余弦相似度

计算量大

判断分子非0

物品-用户倒排序列表

用户相似度矩阵

用户相似度计算改进

惩罚热门物品

找到这个集合中的用户喜欢的，且目标用户没有听说过的物品推荐给目标用户

基于物品协同过滤

计算物品之间的相似度。

根据物品的相似度和用户的历史行为给用户生成推荐列表

隐语义模型

<div>通过隐含特征(latent factor)联系用户兴趣和物品。</div>

自动聚类

LFM

用户兴趣和隐类个关系、物品和隐类的关系

最优理论或者机器学习

负样本

对每个用户，要保证正负样本的平衡

对每个用户采样负样本时，要选取那些很热门，而用户却没有行为的物品

重要参数

隐特征的个数F

学习速率alpha

正则化参数lambda

负样本/正样本比例 ratio

影响最大

在一定范围内随着负样本数目的增加，LFM的准确率和召回率有明显提高

<div>随着负样本数目的增加，覆盖率不</div><div>断降低，而推荐结果的流行度不断增加</div>

基于图的模型

用户行为数据的二分图表示

基于图的推荐算法

两个顶点的相关性

两个顶点之间的路径数

两个顶点之间路径的长度

两个顶点之间的路径经过的顶点

相关性高的特征

两个顶点之间有很多路径相连

连接两个顶点之间的路径长度都比较短

连接两个顶点之间的路径不会经过出度比较大的顶点

基于随机游走的PersonalRank算法

访问概率

时间复杂度高

减少迭代数

会影响精度

矩阵论出发，重新计算

 Collect

Get Started

WordPress主题文件

 Collect

Get Started

查询中心

 Collect

Get Started

智能库存中心系统架构

 Collect

Get Started

计费中心













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