矩阵分解之SVD和SVD++ 推荐系统

矩阵分解之SVD和SVD++

上一篇:协同过滤如何选择不同的相似度计算方法 前面的内容是关于近邻推荐的相关知识,来看下另外一种推荐方法:矩阵分解。 为什么需要矩阵分解 协同过滤可以解决我们关注的很多问题,但是仍然有一些问题存在,比...
阅读全文
近邻推荐之 Slope One 算法 推荐系统

近邻推荐之 Slope One 算法

上一篇:近邻推荐之基于物品的协同过滤 前面说到的基于物品的协同过滤属于经典的一类,它存在以下问题: 物品的相似度计算是离线完成的,也就是说无法实时更新 没有考虑相似度的置信度问题,例如,两个物品都被同...
阅读全文
近邻推荐之基于物品的协同过滤 推荐系统

近邻推荐之基于物品的协同过滤

上一篇:近邻推荐之基于用户的协同过滤 在了解了基于用户的协同过滤之后,还有基于物品的的协同过滤。它们的原理非常类似。在电商平台中经常看到“看了又看”,“看过它的人还看”等等推荐,这些推荐背后对应的算法...
阅读全文
近邻推荐之基于用户的协同过滤 推荐系统

近邻推荐之基于用户的协同过滤

上一篇:如何构建基于内容的推荐系统 提到推荐系统,很多人第一反应就是协同过滤,由此可见协同过滤与推荐系统的关系是有多么紧密。这里介绍下基于用户的协同过滤。 原理简介 你是什么样的人,你看到的就是什么样...
阅读全文
如何构建基于内容的推荐系统 推荐系统

如何构建基于内容的推荐系统

上一篇:如何从文本中构建用户画像 推荐系统起步阶段一般都会选用内容推荐,并且会持续存在。 为什么要做内容推荐 内容推荐非常重要,并且有不可替代的作用。内容推荐有以下优势: 从内容数据中可以深入挖掘很多...
阅读全文