最近一直在学习hadoop一直没有梳理接触到的东西，常见算法分类：推荐系统（推荐引擎）：基于用户的协同过滤算法UserCF近邻算法，容易实现基于物品的协同过滤算法ItemCF速度快，容易实现分布式计算SlopeOne算法@Deprecatedatmahout0.8KNNLinearinterpolationitem–based推荐算?.
分类：
其他好文 时间：
2014-09-03 18:29:07
阅读次数：
221
首先回顾一下，协同过滤算法主要有两种，一种是基于用户的协同过滤算法（UserCF），另一种是基于物品的协同过滤算法（ItemCF）。
基于用户的协同过滤算法主要有两步：
1）找到和目标用户兴趣相似的用户集合
2）找到这个集合中的用户喜欢的，且目标用户没有听说过的物品推荐给目标用户。
基于物品的协同过滤算法主要有两步：
1）计算物品之间的相似度。
2）根据物品的相...
分类：
其他好文 时间：
2014-07-10 21:58:52
阅读次数：
341
基于物品的协同过滤算法（ItemCF）是业界应用最多的算法，主要思想是利用用户之前有过的行为，给用户推荐和之前物品类似的物品。
基于物品的协同过滤算法主要分为两步：
1）计算物品之间的相似度。
2）根据物品的相似度和用户的历史行为给用户生成推荐列表。
第一步的关键点在于计算物品之间的相似度，这里并不采用基于内容的相似性，而是去计算在喜欢物品i的用户中有多少是喜欢物品j的，这样计算的前提是用...
分类：
其他好文 时间：
2014-07-09 09:18:19
阅读次数：
175
协同过滤是推荐算法中最基本的算法，主要分为基于用户的协同过滤算法和基于物品的协同过滤算法。
这篇文章主要介绍基于用户的协同过滤算法，简单来说，要给用户u作推荐，那么只要找出那些和u之前的行为类似的用户，即和u比较像的用户，把他们的行为推荐给用户u即可。所以基于用户的系统过滤算法包括两个步骤：1）找到和目标用户兴趣相似的用户集合 2）找到这个集合中的用户喜欢的，且目标用户没有听说过的物品...
分类：
其他好文 时间：
2014-07-08 18:02:44
阅读次数：
160
1.算法简介
协同过滤（collaborative filtering）的核心思想：利用其他用户的行为来预测当前用户。协同过滤算法是推荐系统中最基本的，同时在业界广为使用。根据使用的方法不同，可以分为基于用户（user-based）、基于物品（item-based）的最近邻推荐。
基于用户的最近邻推荐的主要思想：对于一个给定的评分集，找出与当前用户u口味相近的k个用户；然后，对...
分类：
其他好文 时间：
2014-05-24 17:59:03
阅读次数：
308
1.算法简介协同过滤（collaborative
filtering）的核心思想：利用其他用户的行为来预测当前用户。协同过滤算法是推荐系统中最基本的，同时在业界广为使用。根据使用的方法不同，可以分为基于用户（user-based）、基于物品（item-based）的最近邻推荐。基于用户的最近邻推荐的...
分类：
其他好文 时间：
2014-05-24 13:23:43
阅读次数：
392
物理学背景的推荐算法与协同过滤随着个性化推荐技术的发展，各种各样的推荐算法也竞相参与到这片新兴应用领域中进行开荒，一时间百花齐放，其中就有一些基于物理学背景的算法参与其中，本文阐述的是这篇文章在推荐算法上的主要内容，及其与传统的协同过滤算法在形式上的对比。文章原名为《Solving
the appa...
分类：
其他好文 时间：
2014-05-09 00:16:02
阅读次数：
311
”基于用户的协同过滤算法“是推荐算法的一种，这类算法强调的是：把和你有相似爱好的其他的用户的物品推荐给你。
要实现该推荐算法，就需要计算和你有交集的用户，这就要用到物品到用户的反查表。
先举个例子说明下反查表：甲喜欢的物品有：A、B、C；乙喜欢的物品有：B、E、F；丙喜欢的物品有：A、J、K...
分类：
数据库 时间：
2014-05-02 13:37:25
阅读次数：
585
