【第一周】明尼达推荐系统课程

课程介绍

四个课程

1. 针对非个性化和基于内容的推荐人；
2. 着眼于最近邻协同过滤技术；
3. 侧重于评估和 指标，同时关注以数据为中心和以用户为中心的评估；
4. 着眼于矩阵分解技术，以及 其他先进技术和主题。

使用LensKit工具包试验不同的推荐算法实施的编程任务。 LensKit是Java中的开源推荐工具包。 并预测论坛中可能出现的问题。

• 第一，LensKit做了大量的提升，所以我们不必要求您编写尽可能多的代码。

• 第二，让一切都在标准化的环境中 使我们能够以一种允许我们交付的方式对它们进行分级这些在开放互联网上的任务。

MovieLens

它是一个非个性化和基于内容的推荐系统。

非个性化：提供购买或查看或购买物品的基本建议的系统手表，根本不考虑用户是谁。

• 为用户推荐电影；
• 发布数据集（我们将使用的）
• 访问地址：https://movielens.org

MovieLens的历史

• 成立于1990年代后期
• 经历了几次重写
• 正在进行的研究平台
• 深度阅读：https://grouplens.org/blog/movielens-datasets-context-and-history/

该MovieLens数据集 是完全描述人们如何评价电影的数据，在2014年下载的次数超过140,000次，而关键字“movielens”目前在Google学术搜索中的结果超过8,900次。

偏好和评级

介绍

• 我们需要收集数据（用户喜欢什么，什么聚在一起等等）；
• 从用户那儿以某种方式收集数据；
• 此节演讲主题：收集什么数据，收集的方法以及这些数据意味着什么；
  

学习目标

• 理解推荐者能用来了解用户喜欢什么的数据；
• 确定从用户收集的数据类型；
• 了解什么类型的数据是可能并且合适的；
• 能够识别可能用在一个系统中的首选项数据类型。