未名湖畔的落叶

  在《推荐系统》中，详细的介绍了常用的推荐系统，大家基本上对推荐系统有了一个认识。这里我就简单的讲述一下基于spark的推荐系统。  spark有着处理速度快，容易使用，而且可以和很多数据库融合的优势，所以在大数据分析中经常使用。具体的介绍我就不在这里赘述了，有兴趣的童鞋可以去看看《Spark快速大数据分析》，这本书详细的介绍了spark的基础知识和使用方法，是我学过spark中讲解最清晰和最...

  前面讲解了这么多推荐系统的算法，但是一个推荐系统做出来之后，我们并不知道其效果怎么样，这种时候，就需要对推荐系统进行测评，来告诉我们这个推荐的性能和效果怎么样。测评一般包括测评指标和测评维度。  测评指标  评测指标可用于评价推荐系统各方面的性能，这些指标有些可以定量计算，有些只能定性描述，有些可以通过离线实验计算，有些需要通过用户调查获得，还有些只能在线评测。一般情况下使用如下：1....

  目前为止都是在讨论 TopNTopNTopN 推荐，即给定一个用户，如何给他生成一个长度为 NNN 的推荐列表，使该推荐列表能够尽量满足用户的兴趣和需求。本书之所以如此重视 TopNTopNTopN 推荐，是因为它非常接近于满足实际系统的需求，实际系统绝大多数情况下就是给用户提供一个包括N个物品的个性化推荐列表。  但是，很多从事推荐系统研究的童鞋最早接触的却是评分预测问题，评分预测问题一直...

  今年抖音非常火爆和流行，我们在刷抖音的时候，经常会发现给我们刷到自己微信或者是抖音好友喜欢的小视频，这里很多人都就会很好奇，抖音怎么知道这些人是我的好友，甚至知道我和好友的兴趣就一样呢，这就有了基于社交网络数据的推荐算法。ps:抖音的推荐是多种算法实现的，基于社交网络数据应该只是其中的一个分支。  社会化推荐之所以受到很多网站的重视，是缘于如下优点：    1. 好友推荐可以增加推荐的信任...

  基于图的模型（graph−basedmodelgraph-based modelgraph−basedmodel）是推荐系统中的重要内容。在研究基于图的模型之前，首先需要将用户行为数据表示成图的形式。这里我们将用户行为数据用二分图表示，例如用户数据是由一系列的二元组组成，其中每个元组 (u,i)(u,i)(u,i) 表示用户 uuu 对物品 iii 产生过行为。下图为 AAA, BBB, CC...

  标签在我们日常生活中很常见，打标签作为一种重要的用户行为，蕴含了很多用户兴趣信息，因此深入研究和利用用户打标签的行为可以很好地指导我们改进个性化推荐系统的推荐质量。举个例子，下图是酷我音乐的标签，有了标签，用户可以快速找到自己感兴趣的歌，同时酷我可以通过用户经常使用的标签，更精确的为用户推荐感兴趣的歌曲。 1. SimpleTagBasedSimpleTagBasedSimple...

  关联规则分析也是一种比较常见的推荐算法，主要是根据历史数据统计不同规则出现的关系，比如：X−>YX->YX−>Y，表示XXX事件发生后，YYY事件也会有一定概率发生。  关联规则分析最著名的就是“啤酒-尿布”的经典案例，沃尔玛的超市管理人员通过数据发现，很多买尿布的人大概率事件会去购买啤酒。这是因为在

  上一篇博客我简单讲了一下基于用户的协同过滤算法，这里我们一起来学习一下另一种：基于物品的协同过滤算法。基于物品的协同过滤算法是目前业界应用最多的算法，亚马逊、Netflix、Hulu、YouTube等很多平台都采用该算法作为其基础推荐算法。原理  基于物品的协同过滤算法给用户推荐那些和他们之前喜欢的物品相似的物品。但是它并不是利用物品的内容属性计算物品之间的相似度，而是通过分析用户的行...

1. 推荐系统  随着信息技术和互联网的发展，人们逐渐从信息匮乏的时代走入了信息过载的时代。在这个时代，无论是信息消费者还是信息生产者都遇到了很大的挑战：如何从大量信息中找到自己感兴趣的信息是一件非常困难的事情，这个时候就需要推荐系统。推荐系统不需要用户提供明确的需求，而是通过分析用户的历史行为给用户的兴趣建模，从而主动给用户推荐能够满足他们兴趣和需求的信息。2. 基于用户的协同过滤算法  ...