wyyang2的博客

在推荐系统简介中，我们给出了推荐系统的一般框架。很明显，推荐方法是整个推荐系统中最核心、最关键的部分，很大程度上决定了推荐系统性能的优劣。目前，主要的推荐方法包括：基于内容推荐、协同过滤推荐、基于关联规则推荐、基于效用推荐、基于知识推荐和组合推荐。 一、基于内容推荐 基 于内容的推荐（Content-based Recommendation）是信息过滤技术的延续与发展，它是建立在项目的内容信息上作出推荐的，而不需要依据用户对项目的评价意见，更多地需要用机 器学习的方法从关于内容的特征描述的事例中得到用

转自 作者：iwtbs 链接：https://www.zhihu.com/question/19843390/answer/1671468403 来源：知乎 著作权归作者所有。商业转载请联系作者获得授权，非商业转载请注明出处。 冷启动一般分为三类，用户冷启动、物品冷启动还有系统冷启动。 之所以叫冷启，就是因为没有太多数据和特征来训练模型，所以往往要用一些不同的方法来达到目的。这个目的不只是提高点击等消费指标，更深层的可能会极大的带动业务增长，提升产品的天花板。冷启有必要花时间做么 在最近深入做项目之前

文章转自： 作者：知乎用户 链接：https://www.zhihu.com/question/26743347/answer/34714804 潜在因子（LatentFactor）算法。 这种算法是在NetFlix（没错，就是用大数据捧火《纸牌屋》的那家公司）的推荐算法竞赛中获奖的算法，最早被应用于电影推荐中。这种算法在实际应用中比现在排名第一的 @邰原朗 所介绍的算法误差（RMSE）会小不少，效率更高。我下面仅利用基础的矩阵知识来介绍下这种算法。这种算法的思想是这样：每个用户（user）都有自己的偏好，