一、余弦相似度： 余弦值越接近1，就表明夹角越接近0度，也就是两个向量越相似，这就叫"余弦相似性" 二维向量的余弦相似度： 多维向量的余弦相似度（类比） 协同过滤(Collaborative Filtering, 简称 CF)： 收集用户行为 减噪与归一化处理 二、基于物品的协同过滤推荐算法(ite ...
分类：
编程语言 时间：
2019-08-25 01:06:12
阅读次数：
513
当新用户或新项目进入内容平台时，就会出现冷启动（ColdStart）问题。以协同过滤这样的经典推荐系统为例，假设每个用户或项目都有评级，这样我们就可以推断出类似用户/项目的评级，即使这些评级没办法调用。但是，对于新进入的用户/项目，实现这一点很困难，因为我们没有相关的浏览、点击或下载等数据，也就没办法使用矩阵分解技术来“填补空白”。不过，研究人员已经提出了各种方法来解决冷启动问题。在这篇文章中，我
分类：
其他好文 时间：
2019-08-22 18:32:29
阅读次数：
105
推荐系统一般分为两个阶段，即召回阶段和排序阶段。召回阶段主要是从全量的商品库中得到用户可能感兴趣的一小部分候选集，排序阶段则是将召回阶段得到的候选集进行精准排序，推荐给用户。 推荐系统中几种常用的召回策略。主要有协同过滤、向量化召回和阿里最近在Aicon中提到的深度树匹配模型。 1、协同过滤 协同过 ...
分类：
其他好文 时间：
2019-08-22 13:21:29
阅读次数：
322
剖析千人千面的大脑——推荐引擎部分，其中这篇是定位：对推荐引擎中的核心算法：协同过滤进行深挖。 首先，千人千面融合各种场景，如搜索，如feed流，如广告，如风控，如策略增长，如购物全流程等等；其次千人千面的大脑肯定是内部的推荐引擎，这里有诸多规则和算法在实现对上述各个场景进行“细分推荐排序”；最后是 ...
分类：
编程语言 时间：
2019-08-14 21:32:01
阅读次数：
191
1基于CF的推荐算法 1.1算法简介 CF（协同过滤）简单来形容就是利用兴趣相投的原理进行推荐，协同过滤主要分两类，一类是基于物品的协同过滤算法，另一种是基于用户的协同过滤算法，这里主要介绍基于物品的协同过滤算法。 给定一批用户，及一批物品，记Vi表示不同用户对物品的评分向量，那么物品i与物品j的相 ...
分类：
编程语言 时间：
2019-08-11 11:19:56
阅读次数：
128
一、协同过滤算法的原理及实现
二、基于物品的协同过滤算法详解 ...
分类：
编程语言 时间：
2019-08-11 01:19:35
阅读次数：
165
一般我们可以找出用户购买的所有去拼数据里频繁出现的项集序列，然后做频繁集挖掘，找到满足支持度阈值的关联去拼的频繁N项集或者序列。如果用户购买了频繁项集N项集或者序列里的部分商品，那么我们就可以将频繁序列或频繁项集里的其他物品按移动的评分规则推荐给用户，这个评分规则可以包括支持度、置信度和提升度等。 ...
分类：
编程语言 时间：
2019-07-26 21:30:55
阅读次数：
193
(注:这里不再对算法公式累述)1.相似度算法1.1Jaccard距离使用集合中的不同元素的比例来衡量两个集合的区分度，但是存在比较明显的问题无法关注到集合中元素的权重值(评分)1.2余弦相似度利用向量空间解决了权重值(评分)带入相似度计算的问题，非常常用的相似度算法，弥补了Jaccard距离计算的不足1.3Pearson相似度(又名中心余弦相似度)Pearson相似度是对余弦相似度改进，简明来说就
分类：
编程语言 时间：
2019-07-20 14:30:47
阅读次数：
126
