目录算法
主要内容spa
推荐系统之 系统结构blog
推荐系统之 评定标准class
协同过滤互联网
主要内容
n 互联网需求变动
1.推荐系统普遍应用
2.推荐系统需求
3.推荐系统结构与评估
n 推荐算法初步
1.基于内容推荐
2.协同过滤
n 推荐算法进阶
1.矩阵分解与隐语义模型
n 推荐系统案例
推荐系统之 是什么
推荐系统之 系统结构
推荐系统之 评定标准
消除只推荐关注的东西，把尾部的东西也能给用户
推荐系统之 经典算法初步
协同过滤
基于物品的协同过滤
再减掉均值，不一样的用户能够打分的标准不一样
若是用户A可能最好打3分
用户B能够打分从3起步呢
若是这样不减平均值，则结果不许确
pearson类似度
推荐系统之 CF对比
基于物品的协同过滤：两本书的类似度不怎么变，因此更稳定
则用户两人的因素，兴趣会变化 ，每次都要从新计算，人是会变的
o 协同过滤优势
n 基于用户行为， 所以对推荐内容无需先验知识：不须要对内容的故事情节等人物作推测
n 只须要用户和商品关联矩阵便可， 结构简单
n 在用户行为丰富的状况下， 效果好
o 协同过滤缺点
n 须要大量的显性/隐性用户行为
n 须要经过彻底相同的商品关联， 类似的不行
n 假定用户的兴趣彻底取决于以前的行为， 而和当前
上下文环境无关
n 在数据稀疏的状况下受影响。 能够考虑二度关联。
推荐系统之 冷启动问题
推荐系统之 推荐算法进阶