Yttttttttttttttt的博客

【推荐系统实战】——知识思维导图梳理思维导图markdown版利用用户行为数据用户行为数据简介基于邻域的方法隐语义模型LFM基于图的模型推荐系统的冷启动问题问题解决方案利用用户标签数据利用用户给物品打上的标签，为用户个性化推荐。基于标签的推荐系统给用户推荐标签利用上下文信息根据用户所处的上下文，如时间、地点、心情进行推荐时间上下文信息地点上下文信息利用社交网络数据基于邻域的社交网络推荐基于图的社交网络推荐给用户推荐好友思维导图markdown版利用用户行为数据用户行为数据简介显式反馈用户

利用社交网络数据社交网络数据简介此外，对图G中的用户顶点u，定义out(u)为顶点u指向的顶点集合（如果套用微博中的术语，out(u)就是用户u关注的用户集合），定义in(u)为指向顶点u的顶点集合（也就是关注用户u的用户集合）。那么，在Facebook这种无向社交网络中显然有out(u)=in(u)。一般来说，有3种不同的社交网络数据。双向确认的社交网络数据 在以Facebook和人人网为代表的社交网络中，用户A和B之间形成好友关系需要通过双方的确认。因此，这种社交网络一般可以通过无向图表

【推荐系统实战（三）】利用用户标签数据标签系统中的推荐问题基于标签的推荐系统一个简单的算法算法的改进1. TF-IDF基于图的推荐算法基于标签的推荐解释给用户推荐标签如何给用户推荐标签利用上下文信息时间上下文信息时间上下文推荐算法如图4-1所示，第一种方式是利用用户喜欢过的物品，给用户推荐与他喜欢过的物品相似的物品，这就是前面提到的基于物品的算法。第二种方式是利用和用户兴趣相似的其他用户，给用户推荐那些和他们兴趣爱好相似的其他用户喜欢的物品，这是前面提到的基于用户的算法。除了这两种方法，第三种重要的方式是

【推荐系统实战（二）】利用用户行为数据、推荐系统的冷启动问题利用用户行为数据用户行为数据简介基于物品的协同过滤算法UserCF和ItemCF的综合比较隐语义模型（LFM）LFM和基于邻域的算法比较基于图的模型用户行为二部图表示基于图的推荐算法推荐系统的冷启动问题冷启动问题简介利用用户行为数据基于用户行为分析的推荐算法是个性化推荐系统的重要算法，电子商务公司通过分析用户数据，找出诸如“购买A商品的用户都购买B商品”这种规律，学术界一般将这种类型的算法，称为协同过滤算法。顾名思义，协同过滤就是指用户可以齐心