《推荐系统实践》读书笔记----第二章

墨衍会员 · AI 创作全网分发 墨衍智能分发 本文由作者通过墨衍一键同步至各平台 1分发平台 800+累计阅读 836平均单平台已同步平台优快云微信公众号微博知乎掘金百家号博客园抖音小红书 你的文章也可以这样分发 墨衍会员 ¥399起/年，写一次发全网我也要 → 码龄15年

关注

原创最新推荐文章于 2026-06-05 09:30:45 发布 836 阅读 AI 写同款· GEO 优化 ›

待补充

收录于

——搜索| |推荐| |挖掘——

当前文章被收录于：

——搜索| |推荐| |挖掘——

8 篇文章 0 人学习

订阅专栏查看详情

当前文章被以下社区和专栏收录：

手把手教你用QEMU模拟AST2600-EVB开发板：OpenBMC环境搭建全流程本文提供了一份详尽的实战指南，手把手教你使用QEMU模拟器搭建AST2600-EVB开发板的OpenBMC环境。内容涵盖从工具链准备、系统镜像获取（官方与自编译），到QEMU启动命令解析、网络配置（用户与桥接模式），以及通过SSH、WebUI和Redfish API访问服务的全流程，帮助开发者在个人电脑上快速构建安全、可复现的嵌入式开发与测试沙盒。阅读详情

相关推荐

Abaqus小白必看：用Micromechanics Plugin轻松搞定RVE周期性边界条件（附避坑指南）

本文为Abaqus初学者提供了使用官方Micromechanics Plugin插件高效实现复合材料代表性体积单元分析的完整指南。文章详细讲解了从插件安装、模型准备、周期性边界条件自动设置到结果验证的全流程，并重点分享了处理复杂模型和避免常见错误的实用技巧，帮助用户大幅提升RVE分析效率与准确性。

weixin_28363123的博客 796

推荐系统实践---第二章：利用用户行为数据

介绍了如何利用用户的行为数据为用户进行商品推荐，包括常见推荐算法的理论和代码

wtt561111的专栏 2686

机器学习 -- 信用卡评分模型 -- 互联网金融风控

互联网金融主要分为资金类和资产类。资金类主要是理财产品，吸储，主要指标是用户转化、留存和复投，重在客户运营。资产类主要是贷款，包括消费金融和现金贷，小额贷款属于此类，主要目的是用户转化，还款和风险控制，信用卡评分模型就属于风险控制。信用评分作用是对贷款申请人（信用卡申请人）做风险评估分值的方法。信用卡评分是以大量数据的统计结果为基础，根据客户提供的资料和历史数据对客户的信用进行评估，评分卡模型...

XiaoMaEr66的博客 2420

《推荐系统实践》第二章 利用用户行为数据

2.1 用户行为数据简介在电子商务网站中行为主要包括网页浏览、购买、点击、评分和评论等。用户行为在个性化推荐系统中一般分两种——显性反馈行为（explicit feedback）和隐性反馈行为（implicit feedback）。显性反馈行为包括用户明确表示对物品喜好的行为。隐性反馈行为指的是那些不能明确反应用户喜好的行为。最具代表性的隐性反馈行为就是页面浏览行为。按照反馈的明确...

LiuQQu的专栏 1673

HFSS实战：手把手教你设计一款小型化圆极化微带天线（附仿真文件）

本文详细介绍了使用HFSS设计小型化圆极化微带天线的完整流程，包括工程初始化、辐射贴片设计、仿真设置与优化等关键步骤。通过实战案例，帮助工程师掌握圆极化天线设计技巧，解决轴比控制和耦合馈电匹配等核心问题，适用于物联网终端和便携式设备应用。

weixin_32770423的博客 338

星空组网 vs 蒲公英 vs Tailscale：2024年国内免费异地组网工具横评（含实测数据）

本文对2024年国内主流免费异地组网工具星空组网、蒲公英和Tailscale进行了深度横向评测。基于实测数据，重点分析了三者在P2P成功率、中继延迟、传输速度及稳定性方面的表现，为中小企业、远程办公及个人开发者提供了清晰的选择指南。星空组网在国内网络环境下展现出优秀的平衡性。

weixin_29217235的博客 1439

《推荐系统实践》读书笔记 第二章

第二章 利用用户行为数据利用用户行为数据啤酒和尿布的例子购买A商品的用户都购买B商品协同过滤基于用户行为分析的推荐算法是个性化推荐系统的重要算法，学术界一般将这种类型的算法称为协同过滤算法。顾名思义，协同过滤就是指用户可以齐心协力，通过不断地和网站互动，使自己的推荐列表能够不断过滤掉自己不感兴趣的物品，从而越来越满足自己的需求显示反馈隐式反馈用户行为在个性化推荐系统中一般...

无境 552

差分逻辑电平——LVDS、CML、LVPECL、HCSL互连

首先了解差分逻辑电平结构，也包括单端逻辑电平常见的逻辑电平_常用的逻辑电平-优快云博客注：ECL >> PECL >> LVPECL演变而来；QDR（Quad Data Rate):四倍数据倍率本文章只涉及差分逻辑电平:LVDS 、LVPECL、CML （高速）(最常用）在任何给定的系统设计中，必须设计驱动器侧和接收器侧之间的时钟逻辑转换。通过在它们之间增加衰减电阻和偏置电路来将一个差分时钟转换为其他类型的差分逻辑，来衰减摆幅电平并重新偏置共模输入接收器。

weixin_45365488的博客 4万+

《推荐系统实践》读书笔记——第二章

1 利用用户行为数据在利用用户行为数据设计推荐算法之前，研究人员首先需要对用户行为数据进行分析，了解数据中蕴含的一般规律，这样才能对算法的设计起到指导作用。很多关于互联网数据的研究发现，互联网上的很多数据分布都满足一种称为PowerLaw的分布，这个分布在互联网领域也称为长尾分布。研究发现，用户行为数据也蕴含这种规律。基于领域的算法是推荐系统中最基本的算法，该算法分为两大类，一类是基于

strongyoung的专栏 1395

浮点数加法器设计

一.设计内容及其要求内容根据浮点数的运算规则和IEEE754标准，实现浮点数的加法运算器。要求：浮点数格式：符号位1位，阶码8位，尾数23位要求该实验能完整的体现浮点数的运算的五个步骤：对阶、尾数求和、规格化、舍入（要求使用对偶舍入）、溢出判断。二.基本要素浮点数浮点数即实数，实数是所有有理数和无理数的集合。它之所以被称作浮点数，是因为小数点在数中的位置并不是固定的。一个浮点数值分为两部分存储：数值以及小数点在数值中的位置。计算机中的浮点运算的计算结果一般是不确定的，一块芯片的浮点运算

Phoenix_ZengHao的博客 1万+

几种在NCBI中查询获取目的基因序列的方法

几种在NCBI中查询获取目的基因序列的方法在NCBI中，如何查询并下载获得某物种的某特定功能的基因序列，相信对于看到此篇的大部分同学来说都不陌生了。想到对于刚开始接触生信的同学们来说，也许尚不能很熟练地在NCBI中查询想要的基因序列，因此在这里简要作了一个总结，希望对初学生信的同学们有所帮助。此篇博文源于此前有同学问我，提到他导师给他布置任务，查找相关的文献，看相关文献中都报道了哪些细菌物种能够产生聚羟基脂肪酸酯（polyhydroxyalkanoate ，PHA），参与合成该产物的基因都有哪些，然后在

qq_23435961的博客 1万+

读书笔记 ---《推荐系统实践》第二章

利用用户行为数据基于用户行为分析的推荐算法是个性化推荐系统的重要算法，学术界一般将这种类型的算法称为协同过滤算法。协同过滤就是指用户可以齐心协力，通过不断地和网站互动，使自己的推荐列表能够不断过滤掉自己不感兴趣的物品，从而越来越满足自己的需求。 2.1 用户行为数据简介用户行为数据在网站上最简单的存在形式就是日志。网站在运行过程中都产生大量原始日志 (raw log),并将其存储在文件系统中。很多互联网业务会把多种原始日志按照用户行为汇总成会话日志(session log),其中每个会话表示一次用户行为

zhoxing 916

设备接入与APP（应用程序）接入华为云iotDA平台的详细操作步骤及获取方式

设备及APP（应用程序）登录 IoTDA 平台所需的入场与操作清单内容，提供逐项详细操作步骤和获取方式，并穿插贴士便于理解与实际操作落地。内容基于华为云 IoTDA 控制台和 IAM 控制台的实际使用路径整理。

hy行者勇哥的博客 3059

【读书笔记】推荐系统实践·第二章·利用用户行为数据

最近开始看项亮老师的推荐系统实践，顺便做了一下笔记，没有很多东西，就是大概记录了一些比较关键的内容。然后认真读过这本书的小伙伴应该都发现了，本书的讲解虽然很好，但给出的代码都是片段，而且存在一些错误。所以我在看书时顺便复现了书中的代码，放在https://github.com/littlelittlefei/recommendsystem。代码比较幼稚，自己也在努力改进。用户行为数据简介 ...

weixin_39655021的博客 763

jre9下载 jdk9

(Java SE Runtime Environment 9.0) 9.0u175 官方最新版【x86|x64】

廖雪峰Python教程[完整版]

廖雪峰的python教程整理的，已经排好版了，而且还是完整的，适合小白

读书笔记－－项亮《推荐系统实践》第二章

第二章　利用用户行为数据为了让推荐结果符合用户口味,我们需要深入了解用户。通过用户注册时提交的信息来推断用户兴趣存在的缺点：现在的自然语言理解技术很难理解用户用来描述兴趣的自然语言（还存在一种情况：给定的词汇可能不能准确表达/涵盖用户的实际兴趣）用户的兴趣是不断变化的,但用户不会不停地更新兴趣描述很多时候用户并不知道自己喜欢什么,或者很难用语言描述自己喜欢什么因此,我们需要通过算法自动发掘用户行为数据,从用户的行为中推测出用户的兴趣,从而给用户推荐满足他们兴趣的物品。基于用户行为分析的推荐算

高自强的博客 880

锂电池充电器电路设计里面有电路

锂电池充电器电路设计里面有电路 3.7V升压到5V电路设计。

《推荐系统实践》 第二章 利用用户行为数据 读书笔记

用户的行为不是随机的，而是蕴含着很多模式。用户行为数据简介日志：汇总原始日志生成描述用户行为的会话日志。用户行为在个性化推荐系统一般分两种-显性反馈和隐性反馈行为。显性反馈行为包括用户明确表示对物品喜好的行为。隐性反馈行为指的是哪些不能明确反应用户喜好的行为。最具代表性的隐性反馈就是页面浏览行为。互联网用户行为有很多种，比如浏览网页，购买商品，评论，评分等。下图给出一种表示方式，将一个用户行为表示为6部分，即产生行为的用户和行为的对象、行为的种类、产生行为的上下文、行为的内容和权重。比较有代

every place is the center of the universe 815

数学建模模型总结

这是本人在两年内准备参加数学建模竞赛搜集到的模型资料，已经经过了本人的筛选和整理，希望能够对准备参加数学建模竞赛的学弟学妹们提供一些帮助！

读书笔记：推荐系统实践-第二章-利用用户行为数据

1、用户行为数据简介用户行为在个性化推荐系统一般会分为两种：显性反馈行为和隐性反馈行为。如何用统一的方式表示这些所有的行为？不同行为的不同数据集无上下文信息的隐性反馈数据集每一条行为记录仅仅包含用户ID和物品ID。无上下文信息的显性反馈数据集每一条记录包含用户ID、物品ID和用户对物品的评分。有上下文信息的隐性反馈数据集每一条记录包含用户ID、物品ID和用户对物品产生行。...

苏三慎的博客 1159

【学习笔记】读项亮的《推荐系统实践》_第二章利用用户行为数据_下

2.5 隐语义模型 LFM（latent factor model）。表示一类模型，有很多经典的模型，如：LSI、pLSA、LDA和topic model等。 2.5.1 基础算法作者首先讲了一下LFM应用在推荐系统中的初衷，也是LFM的优势：面对商品分类的时候，人工编辑给出的类别有很多缺点，如不好解决一物多类问题、不好设定物品与类别的权重、主观性因素太强等等。LFM由于其模型本身

xceman1997的专栏 2247

《推荐系统实践-项亮》读书笔记

文章目录第一章好的推荐系统1.1 什么是推荐系统：1.2 个性化推荐系统的应用：第二章 利用用户行为数据2.1 用户行为数据简介：2.2 用户行为分析：2.3 实验设计和算法评测2.4 基于邻域的算法：基于用户的协同过滤算法：基于物品的协同过滤算法-ItemCF：UserCF VS ItemCF：2.5 隐语义模型（LFM）：2.6 基于图的模型：第三章 推荐系统冷启动问题3.1冷启动简介：3....

林夕 1623

《推荐系统实践》读书笔记

《推荐系统实战》读书笔记

SofiaT的博客 511

python推荐系统书籍_《推荐系统实践》读书笔记

更多1.书籍信息书名：推荐系统实践作者：项亮出版社：人民邮电出版社ISBN：9787115281586页数：1972.纸张、印刷与排版小16开本，纸张白色正常偏厚。字偏小，行间距正常。没有给做笔记留出左/右侧空白。3.勘误4.笔记与评价阅读级别：细读。推荐级别：细读。这本书是去年买的，一直没有时间看。最近因为要用到所以抓出时间看。大概花了两天的时间，比较仔细的读了一遍，不过看见公式还是头疼，Pyt...

weixin_39668408的博客 216

推荐系统实践读书笔记

最近大概复习了一下这本书，了解了较早的推荐系统的一些方法，记录如下，以便大家对本书内容有个快速地了解。略去了第一张，详细的代码和细节可以参考其他博客。需要关注的地方直接标出了页码。书里面的代码不是很完整，用来学习还可以。第八章介绍了一些svd等机器学习的算法，在2020年的今天可以回顾一下。 推荐系统实践 第二章：利用用户行为数据常见数据集： Book-Crossing(有评分、年龄、书籍的简...

weixin_37763484的博客 333

《学习《推荐系统与深度学习》读书笔记1》

2019.10.11至2019.10.13期间，自己阅读了《推荐系统与深度学习》这本书。通过对书中的内容的学习，自己了解和掌握了推荐系统的基本知识、算法和架构。下面，自己将按照书中的内容顺序对每章的内容进行整理。第一章　什么是推荐系统（对相关内容的简介） 1.1 推荐算法和系统基于内容的推荐算法：涉及TF-IDF。主流推荐算法：基于协同过滤的推荐算法。 ...

PasPerCon 454

Mahout in Action 第二章推荐系统 读书笔记 思维导图

首先给出思维导图

sunflower_cao的专栏 1770

读书笔记：推荐系统与深度学习-第四章-推荐系统的基础算法

前言：这本书是由清华大学出版社的《推荐系统与深度学习》，由黄昕、赵伟、王本友、吕慧伟、杨敏编著，前三章分别是对推荐系统的简单介绍、对深度学习的介绍以及对tensorflow的介绍，这里就不做笔记了。这一章主要介绍了传统的一些推荐方法以及利用深度学习方法（CNN、自编码、node2vec）进行一些特征表征和提取。 1、基于内容的推荐算法 1.1 基于内容的推荐算法基本流程特征（内容）提取基...

苏三慎的博客 1661

《推荐系统实践》阅读笔记

最近读完了项亮的这本推荐系统实践，把笔记共享出来第一章：好的推荐系统 http://app.yinxiang.com/shard/s6/sh/ad42c426-b790-4a44-9af4-76e84fed7078/a00ce7f57833aefe6f086bf03b4be083 第二章：利用用户行为数据 http://app.yinxiang.com/shard/s6/sh

菜鸟小精卫 470

上一篇： python mysql 2014 Commands out of sync; you can't run this command now

下一篇： mysql 之SQL语句--NSERT SELECT ON DUPLICATE KEY UPDATE的写法

Abaqus小白必看：用Micromechanics Plugin轻松搞定RVE周期性边界条件（附避坑指南）

weixin_28363123的博客

02-23

796