摘要：
item2vec将用户的行为序列转化成item组成的句子，模仿word2vec训练word embedding将item embedding。基本思想是把原来高维稀疏的表示方式(one_hot)映射到低维稠密的向量空间中，这样我们就可以用这个低维向量来表示该项目(电影)，进而通过计算两个低维向量之间 阅读全文
摘要：
ContentBased算法的思想非常简单：根据用户过去喜欢的物品（本文统称为 item），为用户推荐和他过去喜欢的物品相似的物品。而关键就在于这里的物品相似性的度量，这才是算法运用过程中的核心。 CB的过程一般包括以下三步： 物品表示（Item Representation）：为每个item抽取出 阅读全文
摘要：
将用户行为表示为二分图模型。假设给用户$u$进行个性化推荐，要计算所有节点相对于用户$u$的相关度，则PersonalRank从用户$u$对应的节点开始游走，每到一个节点都以$1-d$的概率停止游走并从$u$重新开始，或者以$d$的概率继续游走，从当前节点指向的节点中按照均匀分布随机选择一个节点往下 阅读全文