ai_1046067944的专栏

来源：https://blog.youkuaiyun.com/eouaq448466/article/details/54772890推荐算法具有非常多的应用场景和商业价值，因此对推荐算法值得好好研究。推荐算法种类很多，但是目前应用最广泛的应该是协同过滤类别的推荐算法，本文就对协同过滤类别的推荐算法做一个概括总结，后续也会对一些典型的协同过滤推荐算法做原理总结。1. 推荐算法概述　　　　推荐算法是...

来源： https://blog.youkuaiyun.com/L_15156024189/article/details/81712519请先阅读leboop发布的博文《Apache Mahout之协同过滤原理与实践 》。        基于用户和物品的协同过滤推荐都是建立在一个用户-物品评分矩阵（user-item-score）展开的，其本质是利用现有数据填充矩阵的缺失项（missing entr...

来源：未知，如有不妥，请随时联系沟通，谢谢~1.协同过滤（CF）【基于内存的协同过滤】优点：简单，可解释 缺点：在稀疏情况下无法工作 所以对于使用userCF的系统，需要解决用户冷启动问题 和如何让一个新物品被第一个用户发现 对于只用itemCF的系统，需要解决物品冷启动问题如何更新推荐系统呢，答案就是离线更新用户相似度矩阵和物品相似度矩阵【不断删除离开的用户/物品，加入新来的用...

来源：https://blog.youkuaiyun.com/qq_23269761/article/details/81366939，如有不妥，请随时联系沟通，谢谢~0.疯狂安利一个博客FM的前世今生： https://tracholar.github.io/machine-learning/2017/03/10/factorization-machine.html#%E7%BB%BC%E8%BF%...

本文系转载，如有不妥之处，欢迎随时留言沟通交流，谢谢~https://36kr.com/p/5084292.html1. 算法的发展阶段个性化推荐不是产品首次发布时就能带的，无论是基于用户行为的个性化，还是基于内容相似度的个性化，都建立在大量的用户数和内容的基础上。产品发布之初，一般两边的数据都有残缺，因此个性化推荐也无法开展。所以在产品发展的初期，推荐内容一般采用更加聚合的“热度...