item-based CF 推荐系统学习笔记

最新推荐文章于 2024-11-27 16:48:20 发布
原创 最新推荐文章于 2024-11-27 16:48:20 发布 · 1.5k 阅读 · 1 ·
CC 4.0 BY-SA版权
版权声明：本文为博主原创文章，遵循 CC 4.0 BY-SA 版权协议，转载请附上原文出处链接和本声明。
文章标签：

#推荐系统

本文介绍了基于物品的协同过滤推荐方法，该方法不依赖于物品的具体内容特征，而是通过分析用户行为记录来计算物品间的相似度。例如，如果多数喜欢物品A的用户也喜欢物品B，则会向已拥有物品A的用户推荐物品B。

摘要生成于 C知道 ，由 DeepSeek-R1 满血版支持， 前往体验 >

基于物品的协同过滤不是利用物品的内容计算属性计算物品之间的相似度，它主要通过分析用户的行为记录计算物品之间的相似度。比如喜欢a的大多数也喜欢B,那么将推荐给已经拥有物品a的用户。
协同过滤推荐算法（Collaborative Filtering—User/Item based CF ）
weixin_44936816的博客
01-23 631
协同过滤推荐算法（Collaborative Filtering—User/Item based CF ）
推荐系统-基于物品的协同过滤（Item-based CF）
王大宝的CD
01-13 7785
今天我们来聊一聊基于物品的协同过滤即Item-based CF方法。有了上一篇的经验，你可能很容易就想到Item-based CF就是通过计算物品之间的相似度，然后用户曾与那些商品发生过交互，给他推荐与这些商品最接近的东西给他。这样做有什么好处呢？可解释性！虽然同样是计算相似度，但User-based只能说某个人看起来和你兴趣一致，他喜欢过这个所以我给你推荐这个；而Item-baed则是你曾经看过...
item-based CF
公众号：瑞行AI
04-18 1662
item-based CF 给用户推荐那些和他们之前喜欢的物品相似的物品。item-based CF并不是利用物品的内容属性计算物品之间的相似度，主要是通过分析用户的行为记录计算物品间的相似度。 算法步骤 （1）计算物品之间的相似度 （2）根据物品的相似度和用户的历史行为，给用户生成推荐列表 wij=∣N(i)∩N(j)∣∣N(i)∣w_{ij}=\frac{|N(i)\cap N(j)|}{|N...
item-based CF(基于物品的协同过滤算法)
qq_21944445的博客
12-07 1507
#!/usr/bin/env python # -*- coding: utf-8 -*- """ item_based CF """ import numpy as np import pandas as pd class CFItem(object): def __init__(self, k): self.top_k = k @staticmeth...
推荐系统-Item Based CF实例
KeepUP
01-15 1313
前边我们已经简单介绍了基于内容的推荐系统CB和基于协同过滤的推荐系统CF，今天我们就来看一个基于协同过滤中的基于物品的 Item Based CF 的一个实际实例来帮助大家更好的来了解和掌握以前的知识。 下面我们来看看我们的元数据，数据很简单，每一行由userId（用户ID）、itemId（物品ID）、score（用户打分）组成，之间用”，“分隔。 我们计算的时候用下边这个相似度计算公式，这个公...
推荐系统-论文阅读笔记（1）-A survey on CF based recommender system
sinat_39383309的博客
04-18 1689
1.A Survey of Collaborative Filtering-Based Recommender Systems for Mobile Internet Applications Z. Yang, B. Wu, K. Zheng, X. Wang and L. Lei, "A Survey of Collaborative Filtering-Based Recommende...
MixGCF: An Improved Training Method for Graph NeuralNetwork-based Recommender Systems（个人笔记）
qq_29717841的博客
04-18 1019
论文：MixGCF：一种改进的基于图神经网络的推荐系统训练方法（KDD.2021） 文章链接：MixGCF | Proceedings of the 27th ACM SIGKDD Conference on Knowledge Discovery & Data Mining 代码链接：https://github.com/huangtinglin/MixGCF （Pytorch版） 1. 前言 1.1 提出的问题 a. 推荐模型中广泛使用的 CF 存在的一大弊端就是不能很好的学习到隐式负
论文阅读笔记：A Survey on Knowledge Graph-Based Recommender Systems
qq_34989620的博客
11-17 1937
论文阅读笔记：A Survey on Knowledge Graph-Based Recommender Systems一、Abstract二、Introduction2.1. Collaborative Filtering：2.2. Content-based Filtering：2.3. Hybrid Method：三、知识图谱推荐系统的3种方法：3.1 Embedding-based Methods3.2 Path-based Methods3.3 Unified Methods 原文： A Surv
【上】王树森《小红书推荐系统公开课》- 课程笔记（推荐系统基础、召回、排序）
qq_43629945的博客
05-22 9430
推荐系统基础（基本概念、链路、AB测试）；召回（ItemCF、Swing、UserCF、离散特征处理、矩阵补充、双塔模型、双塔模型+自监督学习、Deep Retrieval召回、其他召回通道、曝光过滤+Bloom Filter）；排序（多目标排序模型、MMoE、预估分数融合公式、视频播放时长和完播率建模、特征及处理、粗排三塔模型）
推荐学习笔记：SWing算法
最新发布
weixin_62701031的博客
11-27 486
大规模推荐系统需要实时对用户行为做出海量预测，为了保证这种实时性，大规模的推荐系统通常严重依赖于预先计算好的产品索引。产品索引的功能为：给定种子产品返回排序后的候选相关产品列表。相关性产品索引主要包含两部分：替代性产品和互补性产品。例如图中的不同种类的衬衫构成了替代关系，而衬衫和风衣裤子等构成了互补关系。用户通常希望在完成购买行为之前尽可能看更多的衬衫，而用户购买过衬衫之后更希望看到与之搭配的单品而不是其他衬衫了。
ItemBasedCF.py
qq_43350003的博客
06-18 226
ItemBasedCF.py 首先这个.py文件是基于多个用户评价的电影数据，利用surprise自带的KNN库去计算整个数据集的相似矩阵。再利用测试用户的评价数据和相似矩阵去选出与测试用户相似度最高的K个电影 下图是此类运用到的几个库： from MovieLens import MovieLens from surprise import KNNBasic from collections import defaultdict from operator import itemgetter from t
Streaming+Python实现Itembased CF
super
08-19 2171
1 数据描述 空白 sku1sku_1 sku2sku_2 … skuNsku_{N} session1session_1 0 1 … 1 session2session_2 1 0 … 1 … … … … … sessionMsession_M 1 1 0 0 2 向量相似度计算下面给出计算向量x,y
案例--算法实现：Item-Based CF 预测评分
weixin_43894652的博客
01-05 407
利用原始评分矩阵、以及物品间两两相似度，预测指定用户对指定物品的评分。为指定用户推荐TOP-N结果。如果无法预测，则抛出异常。
【转载】协同过滤（CF）算法详解，item-base，user-based，SVD，SVD++
加勒比海鲜王
03-06 1395
协同过滤（CF）算法详解，item-base，user-based，SVD，SVD++ http://blog.youkuaiyun.com/evillist/article/details/76269733 特征值分解（谱分解EVD）和奇异值分解（SVD），即在PCA上的应用 http://blog.youkuaiyun.com/evillist/article/details/76241346...
【推荐系统】协同过滤（CF）算法详解，item-base，user-based，SVD，SVD++
热门推荐
evillist的博客
07-28 2万+
协同过滤算法协同过滤(Collaborative Filtering, 简称 CF)是利用集体智慧的一个典型方法。要理解什么是协同过滤 ，首先想一个简单的问题，如果你现在想看个电影，但你不知道具体看哪部，你会怎么做？大部分的人会问问周围的朋友，看看最近有什么好看的电影推荐，而我们一般更倾向于从口味比较类似的朋友那里得到推荐。这就是协同过滤的核心思想。CF算法是推荐算法的一个大分支，基本思想是推荐相似
大话召回之 - UserBasedCF、ItemBasedCF
止鱼
08-06 523
0、背景 在推荐系统中，我们经常遇到 “猜你喜欢、看了又看、看过该商品的人还看过” 等等场景，没错，这些场景大部分就是以我们本次所讲的userCF和itemCF实现的。 CF，即Collaboration Filter，就是老生常谈的协同过滤。 在一些更高级的场景中，我们甚至可以用强化学习去改造这些近邻算法，这里，我们只讨论这些算法最基础的原理，并以一个最简单的例子去实践。 userCF和Item...
item-cf改进
akiyamamio11的博客
11-14 688
接之前的item-cf算法，又了解了一下numpy，pandas等内容后，有了更简单方便的求item-cf的思路，但是有个问题，由于数据量的关系，速度非常慢，下面这个方法虽然代码很简单，但在实际运行过程中非常慢。。。。 代码如下 from pandas import Series,DataFrame import pandas as pd import numpy as np import p
一分钟掌握userbaseCF和itembaseCF的流程（全网之最）
WGS.
12-13 467
参考其资料，什么是userbaseCF，itembaseCF，这里直接给出图例流程，不再赘述
评论
添加红包

请填写红包祝福语或标题

个

红包个数最小为10个

元

红包金额最低5元

当前余额3.43元 前往充值 >
需支付：10.00元
成就一亿技术人!
领取后你会自动成为博主和红包主的粉丝 规则
hope_wisdom
发出的红包

打赏作者

samoyan

你的鼓励将是我创作的最大动力

¥1 ¥2 ¥4 ¥6 ¥10 ¥20
扫码支付：¥1
获取中
扫码支付

您的余额不足，请更换扫码支付或充值

打赏作者

实付元
使用余额支付
点击重新获取
扫码支付
钱包余额 0

抵扣说明：

1.余额是钱包充值的虚拟货币，按照1:1的比例进行支付金额的抵扣。
2.余额无法直接购买下载，可以购买VIP、付费专栏及课程。

余额充值