weixin_43249938的博客

结论：在数据标准化之后，欧式距离、Pearson相关系数、Cosine相似度可认为是等价的。 一、欧几里得距离 作用：m维空间中两个点之间的真是距离，或者向量的自然长度 两个n维向量x与y间的欧式距离： D=∑k=1n(xi−yi)2 D=\sqrt{\sum_{k=1}^n{(xi-yi)^2}} D=k=1∑n​(xi−yi)2​ 向量运算形式： D=(a−b)(a−b)T D=\sqrt...

一、预测准确度 <1>、评分预测 1.均方根误差（RMSE） （1）均方根(RMS)也称为效值，公式：Xrms=∑i=1NXi2NX_{rms}=\frac{\sqrt{\sum_{i=1}^NX_i^2}}{N}Xrms​=N∑i=1N​Xi2​​​ （2）均方根误差(RMSE)是衡量“平均误差”的一种较方便的方法。是参数估计值与参数真值之差的平方的期望值。在实际使用中通常真值只能用...

利用个性化PageRank实现一个新的高灵活性的基于图的推荐 Abstract   本文研究了推荐的灵活性，提出了一种基于图形的多为推荐方法。对该问题使用隐式反馈数据集构建图上的实体排序问题。本文采用了个性化PageRank算法用于实体进行排序。   优点：支持灵活性，可以利用图中的间接关系   缺点：处理稀疏性问题的能力 Introduction   本文中提出的一种基于图形的方法，提供了推荐...

A novel way of computing similarities between nodes of a graph, with application to collaborative recommendation（提出新的计算相似度的方法）

文章主要研究点 本文的对潜在因子模型和邻域模型进行了平滑合并，目的：建立更精确的组合模型，利用用户显式和隐式反馈进一步提高了精度 在top-K推荐任务中的新的评估指标 1.邻域模型 目标：预测用户u对项目i的评级，并通过相似性识别出u对i相似的项目的评分 2.潜在因子模型 目标：更全面的揭示潜在特征，从而解释观察到的评级。文章主要关注SVD（待学）的模型。 已有模型的问题： 最近邻：最近邻...

Batmaz Z , Yurekli A , Bilge A , et al. A review on deep learning for recommender systems: challenges and remedies[J]. Artificial Intelligence Review, 2018:1-37. 本文分析了在推荐系统中使用的深度学习模型、针对推荐系统挑战的补救措施、对推...