04 2020 档案
摘要：在推荐中，多样性并不是目的，而是一种提高用户粘度或是惊喜度的手段。记得在17年的时候在公司做的一个新闻文本摘要项目(那时候没有用到深度学习中的生成式方法是因为：一是没有gpu机器；二是样本不够。而且深度学习的这种生成式方法有时候真的不是太准，即生成的摘要有时候是不通顺的或是不知道説啥，这个还需要后续
阅读全文
摘要：融合了偏置LFM以及用户的历史评分行为，结合了邻域和LFM。理论及python实现见https://www.cnblogs.com/little-horse/p/12499671.html。 以下java简单实现，完整程序https://github.com/jiangnanboy/RecomSys
阅读全文
摘要：BiasLFM(bias latent factor model)带偏置项的隐语义推荐模型，加入三个偏置项（所有评分的平均，用户偏置项表示用户的评分习惯和物品没关系， * 物品偏置项表示物品接受的评分中和用户没关系的因素）矩阵分解,训练得到U,I矩阵,以及用户偏置项和物品偏置项 * 对user-it
阅读全文
摘要：关于LFM分解理论和python实现见https://www.cnblogs.com/little-horse/p/12489619.html。 以下是java简单实现，完整程序见https://github.com/jiangnanboy/RecomSys/blob/master/src/main
阅读全文
