绿树蓝天碧海的博客

本文为随堂学习笔记 课程见慕课-->个性化推荐算法实战入门必修课 Collaborative filtering 协同过滤 背景 1.信息过载 --> 找到用户所需  2.强依赖用户行为 Item cf     给用户推荐他之前喜欢的物品的相似物品   如何衡量相似 -- > 喜欢两个物品的用户重合度越高，那么两个物品就越相似   如何衡量喜欢 -- > 信息流...

本文为随堂学习笔记 课程见慕课-->个性化推荐算法实战入门必修课 User cf 给用户推荐相似兴趣用户感兴趣的物品 如何评价相似兴趣用户集合 找到集合用户感兴趣的而目标用户没行为过的item example 用户 u 和 v 的相似度  N（u）用户u行为过的item的集合 用户u对item i 的推荐得分 rvi 表示用户...

                                                                       Usercf Vs Itemcf 优缺点比较 推荐实时性：Usercf 中用户有了新的行为不会造成推荐结果的变化，因为usercf是根据用户相似度矩阵来完成推荐的，所以user本身的行为并不能造成推荐结果的改变。对于Itemcf来说，用户一旦有了新的...