IT届的小学生

协调过滤推荐概述　 协同过滤(Collaborative Filtering)作为推荐算法中最经典的类型，包括在线的协同和离线的过滤两部分。所谓在线协同，就是通过在线数据找到用户可能喜欢的物品，而离线过滤，则是过滤掉一些不值得推荐的数据，比比如推荐值评分低的数据，或者虽然推荐值高但是用户已经购买的数据。 　 协同过滤的模型一般为m个物品，m个用户的数据，只有部分用户和部分数据之间是...

定义UserCF:基于用户的协同过滤算法ItemCF:基于物品的协同过滤算法UserCF和ItemCF优缺点的对比 UserCF ItemCF 性能 适用于用户较少的场合，如果用户很多，计算用户相似度矩阵代价很大 适用于物品数明显小于用户数的场合，如果物品很多（网页），计算物品相似度矩阵代价很大...

Pearson Similiarity皮尔森相关系数（Pearson correlation coefficient）也叫皮尔森积差相关系数（Pearson product-moment correlation coefficient），是用来反应两个变量相似程度的统计量。或者说可以用来计算两个向量的相似度（在基于向量空间模型的文本分类、用户喜好推荐系统中都有应用）。 皮尔森相关系数计算公式...

概念个性化推荐是根据用户的兴趣特点和购买行为，向用户推荐用户感兴趣的信息和商品。 为什么要个性化推荐？ - 商品个数和种类快速增长，顾客需要花费大量的时间才能找到自己想买的商品 - 浏览大量无关的信息和产品，信息过载问题，用户难以获取所需要的信息分类基于内容的推荐根据用户的历史数据，推荐用户感兴趣的产品。 1. 产品表示： 为每个item 抽取出一些 特...

推荐算法图推荐基于图的模型（graph-based model）是推荐系统中的重要内容。其实，很多研究人员把基于邻域的模型也称为基于图的模型，因为可以把基于邻域的模型看做基于图的模型的简单形式在研究基于图的模型之前，首先需要将用户的行为数据，表示成图的形式，下面我们讨论的用户行为数据是用二元数组组成的，其中每个二元组（u,i）表示用户u对物品i的产生过行为，这种数据很容易用一个二分图表示...