我的工程实践选题是做前后端软件开发，所以挑选了三款软件进行分析：1.抖音 2.微视 3.快手 这三款软件具有一定的共同点：用户可以在此之上观看基于推荐算法的视频流，但是它们的定位与特点有很多的不同之处， 从信息架构图中可以看出，三个产品的主要核心功能都是浏览短视频、拍摄短视频和搜索，并通过视频、关注 ...
分类：
其他好文 时间：
2019-09-27 01:39:31
阅读次数：
122
数据挖掘 推荐算法(Mahout工具) 一、简介 Apache顶级项目(2010.4) Hadoop上的开源机器学习库 可伸缩扩展的 Java库 推荐引擎(协同过滤)、聚类和分类 二、机器学习介绍 通常问题都归为这几类问题 分类问题 回归问题 聚类问题 推荐问题 三、安装方法 3.1 下载Mahou ...
分类：
编程语言 时间：
2019-09-07 13:38:47
阅读次数：
141
一、隐语义模型（LFM Latent Factor Mode） 基于样本的用户偏好信息，训练一个推荐模型，然后根据实时的用户喜好信息进行预测新物品的得分，计算推荐 目标：揭示隐藏特征 方法：矩阵分解进行降维分析【分解之后的矩阵代表了用户和物品的隐藏特征】 1、LFM降维方法-矩阵因子分解 想要发现K ...
分类：
编程语言 时间：
2019-09-03 09:16:02
阅读次数：
107
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
一、欧几里得距离 用来记录两个向量之间的距离。 欧氏距离越小，两个用户相似度就越大，欧氏距离越大，两个用户相似度就越小。 二维空间的公式： 其中， 为点 与点 之间的欧氏距离； 为点 到原点的欧氏距离。 三维空间的公式： n维空间的公式： 二、闵可夫斯基距离 当p=1时，即为曼哈顿距离； 当p=2时 ...
分类：
编程语言 时间：
2019-08-25 00:35:40
阅读次数：
241
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
在协同过滤推荐算法总结中，我们讲到了用矩阵分解做协同过滤是广泛使用的方法，这里就对矩阵分解在协同过滤推荐算法中的应用做一个总结。(过年前最后一篇！祝大家新年快乐！明年的目标是写120篇机器学习，深度学习和NLP相关的文章)# 一、1.矩阵分解用于推荐算法要解决的问题 在推荐系统中，我们常常遇到的问题... ...
分类：
编程语言 时间：
2019-07-19 19:10:03
阅读次数：
138
奇异值分解(Singular Value Decomposition，以下简称SVD)是在机器学习领域广泛应用的算法，它不光可以用于降维算法中的特征分解，还可以用于推荐系统，以及自然语言处理等领域。是很多机器学习算法的基石。本文就对SVD的原理做一个总结，并讨论在在PCA降维算法中是如何运用运用SV... ...
分类：
其他好文 时间：
2019-07-19 19:01:10
阅读次数：
106
