摘要：
4.1 介绍 CF系统需要用户的评分数据作为知识源，向用户推荐商品，而不需要输入并维护其他的附加信息。基于内容的推荐系统主要应用的知识源包括类别和体裁信息，还有从文档中提取的关键词。这两种方法的优势在于能以相对较小的代价获取并维护这些知识。但是日常生活中，纯粹的CF系统会由于评分数据很少而效果不好， 阅读全文
摘要：
在应用协同过滤推荐技术时，除了用户评分数据，我们不需要额外的物品数据。这样的好处是避免了付出很大的代价向系统提供详细而且实时更新的物品描述信息，但是这种仅基于纯粹的协同过滤的算法却无法根据物品的特性和用户的特殊偏好来客观选择推荐物品的。 本章中，将物品的特征描述为“内容”。因为后面章节部分介绍的大多 阅读全文
摘要：
论文： 引入论文中的一句话来说明对比图像patches的重要性，“Comparing patches across images is probably one of the most fundamental tasks in computer vision and image analysis”. 阅读全文
摘要：
协同过滤推荐的主要思想：利用已有用户群过去的行为或意见预测当前用户最可能喜欢哪些东西或对哪些东西感兴趣。 纯粹的协同过滤方法的输入数据只有给定的用户—物品评分矩阵，输出数据一般有以下几种类型： 2.1 基于用户的最近邻推荐 它的主要思想：首先，给定一个评分数据集和当前用户的id作为输入，找出与当前用 阅读全文