注册 登录  
 加关注
   显示下一条  |  关闭
温馨提示!由于新浪微博认证机制调整,您的新浪微博帐号绑定已过期,请重新绑定!立即重新绑定新浪微博》  |  关闭

长风明志的博客

不要也不能做下一个谁,应该且可以做第一个自己

 
 
 

日志

 
 

推荐系统小结  

2014-07-03 12:24:41|  分类: 机器学习 |  标签: |举报 |字号 订阅

  下载LOFTER 我的照片书  |
1、推荐引擎分类:

根据用户针对性:大众行为,个性化

根据数据源:人口统计学,基于内容,基于行为偏好(协同过滤)

根据模型方式:memory based,关联规则,model based

2、混合推荐:

线性加权、切换混合、分区浏览混合、分层(前一个输出为后一个输入?)

3、amazon的推荐,今日推荐,新品推荐,捆绑销售,别人购买/浏览的商品。推荐原因。

4、CF

用户偏好收集,显示/隐式,降噪,归一化。多行为可分别计算或加权组合计算。

相似度计算,欧式,转换后的欧式(1/(1+euc_dis)),cosine,皮尔森,tanimoto(类似cosine)。邻居计算可采用固定K或距离阈值。

推荐上,现有user-based,AMAZON使item-based流行起来,item远少于user数,计算量较小也不必平凡更新。但对于新闻,博客等,更好是采用user-based。非社交网站item-based更好,直接提供item的相似推荐且较好解释,社交网站上user-based是个不错选择。

精度与多样性,item-based与user-based经测算,只有50%的结果重合。单用户多样性上,user-based更胜,但整体的item coverage上,item-based应该更好,因为user-based容易集中在流行上。item-based可以考虑计算这个物品适不适合进行相似扩展推荐。

5、mahout

apache mahout安装配置参考《基于apache mahout构建社会化推荐引擎》:http://www.ibm.com/developerworks/cn/java/j-lo-mahout/

  评论这张
 
阅读(482)| 评论(0)
推荐 转载

历史上的今天

评论

<#--最新日志,群博日志--> <#--推荐日志--> <#--引用记录--> <#--博主推荐--> <#--随机阅读--> <#--首页推荐--> <#--历史上的今天--> <#--被推荐日志--> <#--上一篇,下一篇--> <#-- 热度 --> <#-- 网易新闻广告 --> <#--右边模块结构--> <#--评论模块结构--> <#--引用模块结构--> <#--博主发起的投票-->
 
 
 
 
 
 
 
 
 
 
 
 
 
 

页脚

网易公司版权所有 ©1997-2017