静悟生慧

摘要： 本文链接：https://blog.csdn.net/TsuiXh/article/details/87879004在开发中在使用Map时，如果需要将Map作为临时的数据存储和处理，可以不用每次都去新建一个Map，可以使用clear方法来进行清空Map。 输出如下： 阅读全文

摘要： There is no royal road to learning. 博主：JavaPanda https://www.cnblogs.com/LearnAndGet/p/10009646.html 目录 1.创建json对象 1.1 创建JSONObject对象 1.2 创建JSONArray对 阅读全文

摘要： “Presto是Facebook最新研发的数据查询引擎，可对250PB以上的数据进行快速地交互式分析。据称该引擎的性能是 Hive 的 10 倍以上。”，亲身用过之后，觉得比hive快了10倍不止。 hive中查询日期间隔的函数是datediff: 结果是2。 presto中我们需要达到相同的目的， 阅读全文

摘要： 本书到目前为止都是在讨论TopN推荐，即给定一个用户，如何给他生成一个长度为N的推荐列表，使该推荐列表能够尽量满足用户的兴趣和需求。 本书之所以如此重视TopN推荐，是因为它非常接近于满足实际系统的需求，实际系统绝大多数情况下就是给用户提供一个包括N个物品的个性化推荐列表。 评分预测问题最基本的数据 阅读全文

摘要： 前面几章介绍了各种各样的数据和基于这些数据的推荐算法。在实际系统中，前面几章提到的数据大都存在，因此如何设计一个真实的推荐系统处理不同的数据，根据不同的数据设计算法，并将这些算法融合到一个系统当中是本章讨论的主要问题。本章将首先介绍推荐系统的外围架构，然后介绍推荐系统的架构，并对架构中每个模块的设计 阅读全文

摘要： 基于社交网络的推荐可以很好地模拟现实社会。在现实社会中，很多时候我们都是通过朋友获得推荐。 美国著名的第三方调查机构尼尔森调查了影响用户相信某个推荐的因素。调查结果该调查可以看到，好友的推荐对于增加用户对推荐结果的信任度非常重要。 尼尔森测试了同一个品牌的3种不同形式的广告。第一种广告和第二种广告都 阅读全文

摘要： 本章之前提到的推荐系统算法主要集中研究了如何联系用户兴趣和物品，将最符合用户兴趣的物品推荐给用户，但这些算法都忽略了一点，就是用户所处的上下文（context）。 这些上下文包括用户访问推荐系统的时间、地点、心情等，对于提高推荐系统的推荐系统是非常重要的。 比如，一个卖衣服的推荐系统在冬天和夏天应该 阅读全文

摘要： 荐系统的目的是联系用户的兴趣和物品，这种联系需要依赖不同的媒介。目前流行的推荐系统基本上通过3种方式联系用户兴趣和物品。如图4-1所示， 第一种方式是利用用户喜欢过的物品，给用户推荐与他喜欢过的物品相似的物品，这就是前面提到的基于物品的算法。 第二种方式是利用和用户兴趣相似的其他用户，给用户推荐那些 阅读全文

摘要： 推荐系统需要根据用户的历史行为和兴趣预测用户未来的行为和兴趣，因此大量的用户行为数据就成为推荐系统的重要组成部分和先决条件。对于很多像百度、当当这样的网站来说，这或许不是个问题，因为它们目前已经积累了大量的用户数据。但是对于很多做纯粹推荐系统的网站（比如Jinni和Pandora），或者很多在开始阶 阅读全文

摘要： 一、用户行为数据 一个用户行为表示为6部分，即产生行为的用户和行为的对象、行为的种类、产生行为的上下文、行为的内容和权重。用户行为的统一表示如下： user id 产生行为的用户的唯一标识item id 产生行为的对象的唯一标识behavior type 行为的种类（比如是购买还是浏览）contex 阅读全文