『程序员·小李』的博客

协同过滤协同过滤就是根据实体之间的一些相似性，过滤到所有实体中的一些实体。例如：下面是一个关于几个用户对几部电影的评分表格。竖着的表头表示不同的用户，横向表头表示不同的电影。假如，我们想知道Claudia Puig这位童鞋给《Lady in the Water》这部电影评分多少。那么，我们首先就要找到，谁和Claudia Puig这位童鞋具有相似的喜好。对于计算...

推荐系统常常用于推荐给用户可能喜欢的产品，或者推荐给用户可能会喜欢的电影等等场景，一般推荐系统的建立是基于数据的。理解近邻的概念NN：近邻的概念就是一个实体与另外一个实体之间很相似，我们称之为近邻。for example：上图是A，B，C三个用户的体重，我们发现：如此看来，A和B的体重更为接近，我们认为他们是近邻，也就是说他们之间更加相似。我们再添加一个属性...

上文中我们说了基于用户的协同过滤的问题，但是与之俱来的是计算的数据量爆炸的问题，每个用户之间都要进行一次比较，假如有N个用户，那么总的比较次数就应该是N*(N-1)/2，随着用户数量的增加，比较的次数就会增大。所以提出基于项目的协同过滤：基于项目的协同过滤（IBCF）背后的思想是，如果两个项目从相同用户获得的评级相似，那么这两个项目是相似的。这样，我们把计算不同用户之间的相似性的问题，...

1. 配置开发环境推荐使用jupyter notebook、Anaconda、pandas，在安装了Anaconda后会自动安装pandas。2. 准备数据https://www.kaggle.com/rounakbanik/the-movies-dataset/downloads/movies_metadata.csv/73. 读取数据import pan...

Internet Movie Database保存着前250排名的列表。所有的电影都不是纪录片，时长都是45分钟以上，超过25万收视率。这个列表可以成为最简单的推荐系统，没有考虑任何用户，也没有考虑不同电影的相似度。 它根据一定的度量标准，计算每部电影的得分，根据得分降序排名得到这样的一个列表。我们先来建立一个简单的推荐系统1. 加载电影数据。2. 选择一种标准进行...

在上述的简单推荐系统的基础上实现一个基于知识的推荐系统1. 向用户提问他当前所想要获取的电影的类型。2.向用户询问他想要看的电影的时长。3. 向用户询问想要看的电影的年度范围。4. 基于收集到的信息向用户推荐高评分的电影。准备工作：导入数据，查看数据集中提供了哪些属性，哪些在这个基于知识的推荐系统中是有用的。简化属性，保留我们需要的属性即可：...

什么是推荐系统？根据用户的喜好信息向用户推荐特定的商品，服务或者实体的系统。推荐系统的分类1. 预测问题使用评分矩阵描述不同的用户对于不同商品的评分值每一行代表一个用户，每一列代表一种商品。对应的值称为评分。代表的是第i行的用户对于第j列的商品的评分。评分矩阵往往是稀疏的，预测问题就是要解决某用户对于未知商品的评分值的估计（预测）问题。...

我们经常会遇到推荐的情景：朋友推荐了一款商品，在输入框搜索到商品后，一般都会出现一个提示：其他人曾经看过，或者其他人曾经买过。类似的过程称之为推荐。个性化推荐、非个性化推荐：个性化推荐是针对个人的兴趣爱好或特定群体的共同特性进行的推荐，非个性化推荐不具备针对性，也许只是按照销量简单的排名进行推荐，把畅销的商品推荐给大家。用户偏好信息的获取：用户偏好信息的获取分为两种，一种是根...

推荐系统简介推荐系统常常用于帮助人们实现过载信息的筛选。帮助人们在众多的信息中进行筛选，向用户推荐个性化的物品，这个物品可以是一部电影，一首歌，或者一本书，亦或者行车路线。推荐系统通过日志等信息获取用户的兴趣爱好等，实现对物品的推荐。用户可以接受推荐也可以不接受，这些信息又可以作为反馈回到推荐系统中去。推荐系统中数据1.物品物品就是被推荐的对象。2.用户根...

在基于用户的最近邻推荐算法中，用户信息的大批量计算是很难达到实时性要求的。而基于物品的最近邻推荐算法通常在线下进行预处理，所以能够实现实时计算。预处理的时候会建立物品相似度矩阵，描述物品之间两两相似度关系。近邻的数量受用户已经评论物品数量的限制。基于物品的最近邻推荐其主要思想就是利用物品之间的相似性而不是用户之间的相似性来预测。余弦相似度的计算在基于物品...

协同过滤：利用已经存在的用户群体，对当前的用户的喜好进行推测。基于用户的最近邻推荐：先找出与当前用户喜好相似的用户信息，然后根据他们的评价体系对当前用户对未知物品的评价等级。前提假设：1.用户过去喜好相似，将来他们的喜好也会很相似2.用户的喜好不会随着时间而改变案例：上表所示为Alice和其他四位用户对五类物品的评价分数，1表示不喜...