采用逻辑回归、随机森林等算法通过学习用户前四个月(04.15~08.15)的用户行为预测用户第五个月(08.15~09.15)将会购买的品牌。评价方式按照F1排名，F1=2×P×R/(P+R)其中，P是准确率为命中的数量除以用户的预测数，R是召回率为命中的数量除以真实的购买数。
分类：
其他好文 时间：
2014-08-21 17:03:44
阅读次数：
199
基于storm的online-ar算法（基于youtube视频推荐算法）...
分类：
其他好文 时间：
2014-08-08 18:11:16
阅读次数：
226
1、今天试验SlopeOne推荐算法，结果没有提示。心想是不是少了jar包，查查不少。通过网络查询定位此类所在的位置为：org.apache.mahout.cf.taste.impl.recommender.slopeone.包下面，所以去查看jar包，发现没有。查看src包也没有这个类的源码，之后...
分类：
其他好文 时间：
2014-08-05 14:04:09
阅读次数：
231
论文出处:http://www.cs.utexas.edu/~ml/papers/libra-sigir-wkshp-99.pdf引言这篇文章里面将会详细介绍基于多项式贝叶斯的内容推荐算法的符号以及术语，公式推导以及核心思想，学习如何从文本分类的角度来实现物品推荐。详细了解算法过程后，你应该可以利用...
分类：
其他好文 时间：
2014-07-16 21:28:49
阅读次数：
230
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
一：简介 基于用户的协同推荐算法随着使用者数量的增多，计算的时间就会变长，所以在2001年Sarwar提出了基于项目的协同过滤推荐算法(Item-based Collaborative Filtering Algorithms)。基于用户的协同推荐mahout没有实现分布式算法，Mahout基于It...
分类：
其他好文 时间：
2014-06-23 00:05:49
阅读次数：
454
所谓推荐算法就是利用用户的一些行为，通过一些数学算法，推测出用户可能喜欢的东西。
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...
分类：
Web程序 时间：
2014-06-01 09:41:45
阅读次数：
312
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
