推荐系统：协同过滤collaborative filtering

最新推荐文章于 2024-04-05 14:59:32 发布
转载 最新推荐文章于 2024-04-05 14:59:32 发布 · 356 阅读 · 0
文章标签：

#协同过滤 #推荐系统 #userCF #itemCF

本文提供了一个优快云博客文章的链接，具体内容涉及信息技术领域的某个主题，但未直接给出详细信息。
不让转载，直接贴链接了： https://blog.youkuaiyun.com/pipisorry/article/details/51788955
最小推荐系统:协同过滤（Collaborative Filtering)
06-22 1873
当UGC/PUGC社区发展到一定规模，需要从人工推荐(热门榜单、编辑推荐等策略)转向算法推荐信息流展示给用户。在这个阶段，我们会遇到推荐系统的冷启动问题，表现在两个方面： 1）一般意义的冷启动：新用户（或者新条目）到来的时候，没有用户行为记录，因而算法无法预测其兴趣爱好； 2）之前的人工推荐信息流导致社区信息的生产端(Item，条目)和消费端(User，用户)的分布都过于头部化，生产端的头部条目用户几乎都消费过，而腰部条目用户几乎都没有消费过。这种情况下关于条目和用户的描述都过于稀疏化。我们希...
MixRec: Heterogeneous Graph Collaborative Filtering
最新发布
c_cpp_csharp的专栏
02-01 554
对于现代推荐系统来说，使用低维潜在表示来嵌入用户和基于他们观察到的交互的项目已经变得司空见惯。然而，许多现有的推荐模型主要是为粗粒度和同质交互而设计的，这限制了它们在两个关键维度上的有效性。首先，这些模型未能利用不同类型用户行为（如页面浏览、收集、评论和购买）之间存在的关系依赖关系。其次，他们很难捕捉到驱动用户交互模式的细粒度潜在因素。为了解决这些局限性，我们提出了一种异构图协同过滤模型MixRec，该模型擅长解开用户的多行为交互模式，并揭示每种行为背后的潜在意图因素。
Collaborative-Filtering:使用协同过滤的推荐系统
03-11
协同过滤的实现 是某些使用的一种技术。 是协作过滤的Python实现。 用法 跑： > python main.py 注意： Python版本：3.5.1 所需模块：Numpy，Pandas，Matplotlib 需要首先下载数据集并将其放在dataset/文件夹中。 或者，您可以查看 而无需下载数据集。 数据集 ，100K数据集 报告 是该报告的pdf版本。 文件树 Python files: ├── main.py # Main python file including training and testing. ├── predict.py # Predict functions. ├── utils.py # Some useful functions, including calculating. ├── var.py # Define global
Deep Collaborative Filtering via Marginalized Denoising
12-10
深度学习技术在协同过滤推荐中的应用，非常好的算法！
Lua过滤器协同
Mr_COOL3的专栏
12-01 990
这篇文章主要介绍了Lua中的协同程序探究,本文讲解了什么是协同程序、创建协同程序、更像样的协同程序、让协同程序挂起、resume操作的返回值,需要的朋友可以参考下。
推荐---协同过滤(Collaborative Filtering)
dili8870的博客
06-03 597
协同过滤需要注意的三点： gray sheep（有人喜欢追求特别，协同过滤一般只能从共同的人或物间找相似） shilling attack（水军刷好评导致数据错误，无法带来精确的推荐） cold start（冷启动，初次登陆网站，没有给商品打分，怎么推荐） 1.基于memory的CF （1）基于用户的CF Wu,v指的是两个用户之间的相似度 Pa...
机器学习实战（十三）推荐系统（协同过滤 Collaborative Filtering）
今天你学习了吗
11-06 3283
目录 0. 前言 1. 相似度 1.1. 欧式距离（Euclidean metric） 1.2. 皮尔逊相关系数（Pearson correlation coefficient） 1.3. 余弦相似度（Cosine similarity） 2. 基于内容（物品）的推荐算法 3. 基于用户的推荐算法 4. 基于内容（物品）的协同过滤推荐算法 5. 基于用户的协同过滤推荐算法 6....
精选资源
CollaborativeFiltering:推荐系统协同过滤算法
03-11
随着用户信息越来越多被采集，推荐系统可以勾画出一个人的用户画像，现在更多系统用户画像结合现场信息实现推荐系统。课程整理： : 作者github代码： : 推荐算法 一，推荐系统作用 帮助用户发现他们想要的物品，...
NGCF:Neural Graph Collaborative Filtering
Guozyan的博客
04-05 2234
近邻信息对嵌入学习有一定帮助；建模高阶连通性或邻居有积极的影响；利用高阶连通性可以大大提高非活跃用户的表示学习，因为可以更有效的捕捉协作信号，于是在解决数据稀疏方面是有希望的。下一步可以加入注意力机制。
论文笔记：Social Collaborative Filtering Ensemble
qq_35771020的博客
03-17 1038
一、基本信息 论文题目：《Social Collaborative Filtering Ensemble》 发表时间：PARCAI2018 论文作者及单位： 论文地址：https://link.springer.com/chapter/10.1007%2F978-3-319-97304-3_77 二、摘要 协同过滤（CF）技术在生成个性化建议方面发挥着重要作用...
推荐系统中的协同过滤
weixin_30696427的博客
03-29 133
推荐系统主要有两种算法： 1.基于内容的推荐，主要是根据推荐项的具体内容进行推荐 2.基于协同过滤的推荐。主要是用户之间或者项之间的相似性 协同过滤分为两类： 1.item-based基于项的协同过滤 2.user-based基于用户的协同过滤 一、相似度的度量方法： 1.欧氏距离 就是平方和开根号 2.皮尔逊相关系数，修正了欧氏距离对量级太敏感的缺点 ...
Collaborative Filtering
banyi4389的博客
03-27 234
协同过滤的主要目标：由于网络信息量的增多，用户往往被淹没在信息的海洋里，很难很轻易的找到自己感兴趣的topic。协同过滤就是为了把用户最可能感兴趣的信息推送给用户（Recommer system）。 协同过滤的方法： model-base，user-base，item-base，content-base。 user-based：搜集用户profile。对于一个ac...
Deep Item-based Collaborative Filtering for Top-N Recommendation 阅读心得
勇往直前的博客
03-23 1249
摘要 近年来，随着机器学习的流行，从数据中学习物品的相似性（或表示）已经成为ItenCF的一个重要部分。现有的itemcf的研究方法仅仅考虑了物品间的线性和浅层的关系，不能有效建模用户复杂的决策过程。文章提出了一种更具表现力的itemcf模型，考虑了物品间的非线性和高阶关系。模型通过非线性神经网络考虑所有交互物品对之间的交互作用。这样做的一个好处是模型可以区分用户交互过的所有物品中哪些物品对用户还...
推荐系统--关于推荐系统的一些思考和协同过滤
吴祺育的技术记录
03-29 415
过年前打算学习一下推荐，买了一本国内推荐系统的经典，项亮的《推荐系统实践》，因为封城，导致3月末才拿到这本书，今天好好看了一下。 正式开始内容之前，想说点题外话，第一个是关于为什么要学习推荐系统，关于这个问题是因为结合19年工业界NLP和算法的发展，单纯能把NLP落地的项目已经越来越少了，但是NLP往推荐、搜索、广告方向做，落地的方式还是很广阔的，所以准备往这个方向走。 第二个是关...
论文阅读笔记：Social Collaborative Filtering for Cold-start Recommendations
tszupup的博客
10-15 686
论文：Social Collaborative Filtering for Cold-start Recommendations / 用户冷启动推荐的社会化协同过滤 作者：Suvash Sedhain,Scott Sanner,Darius Braziunas,Lexing Xie,Jordan Christensen 发表刊物：RecSys 发表年度：2014 下载地址：http://users.cecs.anu.edu.au/~ssanner/Papers/recsys14.pdf 这篇文章研...
2019_RecSys_Deep Social Collaborative Filtering
weixin_46645827的博客
02-15 1842
[论文阅读笔记]2019_RecSys_Deep Social Collaborative Filtering 论文下载地址： https://doi.org/10.1145/3298689.3347011 发表期刊：RecSys Publish time: 2019 作者及单位: Wenqi Fan Department of Computer Science City University of Hong Kong wenqifan03@gmail.com Yao Ma Data Science
推荐系统之社会化推荐经典论文总结
weixin_45806985的博客
10-31 3549
社会化推荐是推荐系统中能够有效提高推荐准确率和推荐系统性能的方法，其基本思想就是认为，用户在选择候选物品时的决策会受到该用户的社交关系的影响。根据这种思想，许多研究者通过挖掘用户之间的社交关系，并将这种社交关系信息考虑到推荐系统的设计中，从而诞生了许多不同的方法，且在一定程度上提高了推荐系统的性能。本文通过对社会化推荐相关论文的阅读和思考，总结了前人在社会化推荐上开展的部分工作，并对这些工作的优缺点进行了思考和总结。
传统推荐系统算法（一）：协同过滤（Collaborative Filtering，CF）
热门推荐
vonjor
08-31 1万+
协同过滤”可以理解为协同大家的评价、反馈来对巨量的信息进行过滤，并筛选出目标用户可能感兴趣的信息。：给用户推荐和他兴趣相似的其他用户喜欢的产品：给用户推荐和他之前喜欢的物品相似的物品。...
评论
成就一亿技术人!
拼手气红包6.0元
还能输入1000个字符
 
红包 添加红包
表情包 插入表情
表情包 代码片
 条评论被折叠 查看
添加红包

请填写红包祝福语或标题

个

红包个数最小为10个

元

红包金额最低5元

当前余额3.43元 前往充值 >
需支付：10.00元
成就一亿技术人!
领取后你会自动成为博主和红包主的粉丝 规则
hope_wisdom
发出的红包
实付元
使用余额支付
点击重新获取
扫码支付
钱包余额 0

抵扣说明：

1.余额是钱包充值的虚拟货币，按照1:1的比例进行支付金额的抵扣。
2.余额无法直接购买下载，可以购买VIP、付费专栏及课程。

余额充值