Dynomite的博客

基于内容的推荐系统协同过滤推荐系统仅仅使用了评分之间的关联，这些方法没有使用物品的属性基于内容的推荐系统以属性来描述物品，使用这些内容属性来进行推荐，这种方法很适用于新物品推荐时基于内容的推荐系统，将物品与用户之前所喜欢的物品做匹配，不使用别的用户的评分信息属性来源： 物品描述，如文字、图片等用户画像，从用户对于各种物品的反馈生成文本预处理去停止词 a, an, e...

推荐系统1. 分类CF Bases Memory Based: User CF, Item CFModel BasedContent Based Knowledge BasedDemographic Based 2. 评分矩阵评分矩阵的类型有：连续值、整形、离散值、二元、一元(隐反馈) 离散值举例：trongly Disagree、Disagree、Neu...

基于知识的推荐系统一些物品如地产、房屋的的推荐上，用户没有足够的评分，基于知识的推荐系统以一种交互的方式向用户推荐符合其要求的物品。 适用场景：用户提供需求物品过于复杂无法获取足够的评分时间敏感的基于限制的推荐系统用户在这样的推荐系统中指出他们对于物品属性的需求、限制，在用户输入一定的需求后，推荐系统将这些需求根据知识转化为规则，并根据这些规则返回满足的物品。 推荐系统...

4. 隐语义模型4.1 矩阵分解评分数据是高度相关的，数据的冗余可以让我们用低秩矩阵来近似原矩阵。隐语义模型目前是the state of art。 U为m×kU为m×kU 为m \times k的矩阵，V为n×kV为n×kV 为n \times k的矩阵，他两的乘积用以估计评分矩阵 R≈UVT(1)(1)R≈UVTR\approx UV^T \tag1 通过优化目标函数来求解U...