机器学习Machine Learning - Andrew NG
courses学习笔记
Recommender Systems 推荐系统
Problem Formulation 问题的提出
Content Based Recommendations基于内容的推荐
Collaborative Filtering协同过滤
Collaborative...
分类：
系统相关 时间：
2015-04-03 11:29:27
阅读次数：
334
1. 推荐的种类
a) 朋友推荐，这叫社会化推荐，通过社交网络搞定。比如你女朋友like的零食，通过人人网推荐给你，你想不买都不行。
b) 推荐和自己喜欢的物品某种属性一致的物品，这叫基于内容的推荐。比如我喜欢宁浩的电影，以前在豆瓣上like了疯狂的石头，然后很快豆瓣就开始给我推荐《无人区》，我一看，比石头还好---好吧，夹带私货了。
c) 把人和人喜欢的物品总和起来考虑，要么推荐和我相...
分类：
其他好文 时间：
2015-03-29 18:07:25
阅读次数：
639
对于在线商店，主要关心两方面：1. 提升转化率（将不消费的用户转变为消费用户）；2. 提升消费额（已经花钱的人，花更多的强）
实验场所是移动互联网的一个网站，用户可以用移动设备来访问，并下载app（游戏和应用）。有些app免费，有些收费。作者利用这个实验环境对比了集中推荐算法的效果。
对比了6种方法：
1. 协同过滤；2. slope one；3. 基于内容的推荐；4. 混合推荐；5...
分类：
移动开发 时间：
2015-01-17 18:01:45
阅读次数：
253
来自：http://www.cnblogs.com/exlsunshine/p/4214357.html声明一下，本文只是介绍一下最基础的基于内容的推荐系统（Content-based recommender system）的工作原理，其实基于内容的推荐系统也分三六九等Orz，这里只是简单的较少一下...
分类：
编程语言 时间：
2015-01-15 10:54:53
阅读次数：
177
最近闲下来又开始继续折腾推荐系统了，声明一下，本文只是介绍一下最基础的基于内容的推荐系统（Content-based recommender system）的工作原理，其实基于内容的推荐系统也分三六九等Orz，这里只是简单的较少一下最原始的、最基本的工作流程。基于内容的推荐算法思路很简单，它的原理大...
分类：
编程语言 时间：
2015-01-10 01:02:39
阅读次数：
317
如果说协同过滤中物品选择问题可以描述成“推荐相似用户喜欢的物品”，基于内容推荐则可描述成“推荐与用户过去喜欢的物品相似的物品”。因此，推荐系统的任务还是（基于用户记录）预测用户是否喜欢自己没有见过的物品。
基于内容的推荐，必须依赖关于物品和用户偏好的额外信息，但它不需要巨大的用户群体或评分记录，也就是说，只有一个用户也可以产生推荐列表。
在文本文档推荐中，比如新闻或网页，绝大多数的基本假设是物品的特征能够自动从文档内容本身或无结构的文本描述中抽取。因此，基于内容推荐系统的典型例子是比较候选文章的主要关键词和...
分类：
其他好文 时间：
2014-12-17 14:37:22
阅读次数：
902
基于内容的推荐的基本推荐思路是：用户喜欢幻想小说，这本书是幻想小说，则用户有可能喜欢这本小说
两方面要求：（1）知道用户的喜好；（2）知道物品的属性
基于内容的推荐相比协同过滤方法（个人观点）：协同过滤用到了大量用户的群体行为特征，两个特点，（1）要大量用户，（2）除了用户的行为之外，不需要其他信息；基于内容的推荐，需要用户和物品的额外信息，如：用户喜好、物品属性等等，但是不需要存储、...
分类：
其他好文 时间：
2014-12-07 23:20:43
阅读次数：
181
介绍推荐系统的基本概念，几种推荐方法：协同过滤推荐、基于内容的推荐、基于知识的推荐，简要介绍其定义，适用的场景，在实现过程中要着重解答的问题。为以后逐渐深入了解这些内容做个概括性的介绍。...
分类：
其他好文 时间：
2014-12-05 19:24:10
阅读次数：
194
1.基于内容的推荐 对于基于内容的推荐不多赘述，只说下基本的概念，根据用户已经评分且喜欢(评分高)的电影，为用户推荐和他过去喜欢的电影相似的电影，这里的相似就要依据电影的"内容"来计算了，例如电影的类型等等。 利用到评分预测上，就是对于目标用户A和电影M，从A已经评价过的电影中找到与M相似的电...
分类：
其他好文 时间：
2014-06-21 09:36:20
阅读次数：
301
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
