推荐系统
2017-01-15 12:00:38 0 举报AI智能生成
推荐系统是一种利用用户历史行为数据和物品信息，为用户提供个性化推荐服务的智能系统。它通过对用户的兴趣和偏好进行分析，挖掘出用户可能感兴趣的物品，并将这些物品推荐给用户。推荐系统可以帮助用户发现新的有趣的内容，提高用户的满意度和忠诚度。目前，推荐系统已经广泛应用于电商、社交网络、新闻资讯等领域，成为这些平台吸引用户、提高用户体验的重要手段之一。
作者其他创作
大纲/内容
评价
召回
推荐对了X个，实际有Y个，X/Y
覆盖
所有人推荐过X个，总共喜欢的有Y个，X/Y
准确
推荐了N个，其中X个确实存在
协同过滤算法
基于物品的
优化点：评估2个物品相似是通过人，所以筛选掉一些不合理的人群是提高算法优化的方向
优化点：评估2个物品相似是通过人，所以筛选掉一些不合理的人群是提高算法优化的方向
优化方式
物品之间本身是有类别的，所以造成相似度本身差距大小的方差有问题，所以归一化是一个很好的选择。具体是对每一列或行进行归一化，同除最大值
偏向物品固定，更新频率低
基于人的
优化点：评估2个人相似是通过物品，所以筛选掉一些不合理的物品相似是提高算法优化的方向
优化点：评估2个人相似是通过物品，所以筛选掉一些不合理的物品相似是提高算法优化的方向
偏向于流行性，快速更新的东西
基于图的
相关性因素
1.节点间连接的数量
2.节点间的链接的长度
3.经过节点的出度情况
2.节点间的链接的长度
3.经过节点的出度情况
子主题
隐语义模型
对于一个用户，从他没有过行为的物品中采样出一些物品作为负样本，但采样时，保证
每个用户的正负样本数目相当。
对每个用户，要保证正负样本的平衡（数目相似）。
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。
personrank
边界情况考虑
热门物品
冷门物品
热门物品
冷门物品
区分度
1个物品或者人对于所有同种类的东西的距离（可以是方差）
喜欢这个物品的人，不喜欢这个物品的人，没看过的人，对其他所有物品的评价的方差和
自由主题
基本概念
相似度
余弦定理
计算的顺序改良：遍历的方式很多时候会计算完全没有交集的用户，改良，把用户喜欢物品变成物品被哪些用户喜欢，
推荐算法：找到和用户V最相似的K个用户，并找到这K个用户中对I物品有行为的用户，计算
用户行为的参数
用户的唯一标示
物品的唯一标示
行为的种类分类
上下文信息
行为的权重
行为的内容
向量空间模型
把文本转换成关键字：权值的dict()
子主题
时变的判断
相隔T天，计算不同的流行度的向量距离
0 条评论
下一页
