11 2020 档案
摘要：隐语义模型（LFM） LFM(latent factor model)隐语义模型是前几年比较火的模型，它的核心思想是通过隐含特征来联系用户兴趣和物品。我们先给出LFM通过公式计算用户对物品的兴趣: \[ \mathrm{Preference} = r_{ui} = p_u^T q_i=\
阅读全文
摘要：基于邻域的算法（2） 上一篇我们讲了基于用户的协同过滤算法，基本流程就是寻找与目标用户兴趣相似的用户，按照他们对物品喜好的对目标用户进行推荐，其中哪些相似用户的评分要带上目标用户与相似用户的相似度作为权重来计算。但是，基于用户的协同过滤算法存在一些弊端，如计算用户兴趣相似度矩阵将越来越困难，其运算时
阅读全文
摘要：基于邻域的算法（1） 基于邻域的算法主要分为两类，一类是基于用户的协同过滤算法，另一类是基于物品的协同过滤算法。我们首先介绍基于用户的协同过滤算法。 基于用户的协同过滤算法(UserCF) 基于用户的协同过滤算法是最古老的算法了，它标志着推荐系统的诞生。当一个用户甲需要个性化推荐时，首先找到那些跟他
阅读全文
摘要：推荐数据集MovieLens及评测 数据集简介 MoiveLens是GroupLens Research收集并发布的关于电影评分的数据集，规模也比较大，为了让我们的实验快速有效的进行，我们选取了发布于2003年2月的 MovieLens 1M，这个数据集包含6000个用户对4000个电影的一百万个评
阅读全文
摘要：用户行为数据 很多事情用户无法表述自己喜欢什么，所以需要推荐算法挖掘用户行为数据，从用户行为中推测用户兴趣，从而给用户推荐他们感兴趣的物品。啤酒与纸尿布的故事就不讲了，相信大家也都听说过。用户行为数据在网站上最简单的存在形式就是日志。这些日志记录了用户的各种行为，如在电子商务网站中这些行为主要包括网
阅读全文
摘要：评测指标 评测指标可以评测推荐系统各个方面的性能，有些是可以定量计算的，而有些只能定性描述。有些可以通过离线实验计算，有些需要通过用户调查获得，还有些只能在线评测。接下来我们将对各个评测指标进行介绍。 用户满意度 用户满意度无法进行离线计算，只能通过用户调查以及在线实验获得。如果是在线实验当中，可以
阅读全文
摘要：推荐系统实验 一个好的推荐系统，一般会使得用户、物品提供者和推荐系统三方共赢。预测准确度是推荐系统最重要的指标，通常这个指标比较容易通过离线的数据计算出来。但是准确的预测不代表好的推荐，如这个用户在使用推荐系统之前就准备好购买这个物品，那么对这个物品准确的预测没有任何意义。 好的推荐系统不仅仅能够准
阅读全文
摘要：推荐系统简介 什么是推荐系统 由于当前社会由信息匮乏转变为信息过载，需要筛选工具对信息进行筛选，如个性化推荐系统，可以对那些没有什么明确需求的用户进行推荐。如何从海量的数据中筛选出用户真正感兴趣的事情是一件非常具有挑战性的事情。 推荐系统的任务就是联系用户和信息，一方面帮助用户发现对自己有价值的信息
阅读全文
摘要：开篇 最后还是找到了自己算是满意的工作，也准备开始新的研究领域，推荐算法。由于我之前的研究内容主要是围绕着CV展开，所以还是需要提前学习一下推荐算法的知识。目前选择了《推荐系统实践》这本书，看中了它能够将知识点和代码相结合的优势，并不枯燥也有一部分项目实践等等。 这篇文章就算作自己开始读这本《推荐系
阅读全文
摘要：题目 给你一个整数数组 nums 。「数组值」定义为所有满足 0 ⇐ i < nums.length-1 的 |nums[i]-nums[i+1]| 的和。 你可以选择给定数组的任意子数组，并将该子数组翻转。但你只能执行这个操作 一次 。 请你找到可行的最大 数组值 。 示例 1： 输入：nums
阅读全文
