Recommending branded products from social media -RecSys 2013-20160422

本文探讨了如何利用社交媒体用户信息对用户购买行为进行排序,并通过预测的类别进行商品品牌推荐。研究采用了如最接近邻居推荐(KNN)等方法,通过联合推荐相关商品来提升用户体验。评估指标包括流行度、精确率、召回率和F1值。关键信息点还包括点互信息(PMI)用于衡量变量间关联性。

1、Information

publication:RecSys 2013

author:zhengyong zhang

2、What

是对上一篇论文的拓展:利用社交媒体中用户信息 对用户购买的类别排序;再由预测出的类别,做商品品牌的推荐

3、Dataset Facebook-Eaby

4、How

input: 用户社交媒体上特征向量 

output: top k 的推荐商品品牌

method:最接近邻居推荐KNN(Like-based/purchased-based KNN) , 相关联商品的联合推荐

5、Evaluation:

baseline:popularity

Precision,Recall, F1.

6、Conclusion

点互信息pmi(x,y)可以度量两个变量之间是否有关联。

转载于:https://www.cnblogs.com/baiting/p/5235105.html

评论
添加红包

请填写红包祝福语或标题

红包个数最小为10个

红包金额最低5元

当前余额3.43前往充值 >
需支付:10.00
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
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