会员
周边
众包
新闻
博问
闪存
赞助商
所有博客
当前博客
我的博客
我的园子
账号设置
简洁模式
...
退出登录
注册
登录
守护式等待
Powered by
博客园
博客园
|
首页
|
新随笔
|
联系
|
订阅
|
管理
2020年4月2日
隐语义模型(Latent Factor Model)
摘要: 对于某个用户,首先得到他的兴趣分类,然后从分类中挑选他可能喜欢的物品。总结一下,这个基于兴趣分类的方法大概需要解决3个问题。 如何给物品进行分类? 如何确定用户对哪些类的物品感兴趣,以及感兴趣的程度? 对于一个给定的类。选择哪些属于这个类的物品推荐给用户,以及如何确定这些物品在一个类中的权重? 隐含
阅读全文
posted @ 2020-04-02 17:57 守护式等待
阅读(131)
评论(0)
推荐(0)
编辑
协同过滤推荐算法的原理及实现
摘要: 一、协同过滤算法的原理及实现 协同过滤推荐算法是诞生最早,并且较为著名的推荐算法。主要的功能是预测和推荐。算法通过对用户历史行为数据的挖掘发现用户的偏好,基于不同的偏好对用户进行群组划分并推荐品味相似的商品。协同过滤推荐算法分为两类,分别是基于用户的协同过滤算法(user-based collabo
阅读全文
posted @ 2020-04-02 11:27 守护式等待
阅读(865)
评论(0)
推荐(0)
编辑
python训练work2vec词向量
摘要: 训练语料格式 语料需要处理为可迭代的列表见word2vec教程 语料处理,形成我们的参数“sentences” 模型训练 1.安装gensim pip3.6 install gensim gensim中封装了包括了word2vec, doc2vec等模型,word2vec采用了CBOW(Contin
阅读全文
posted @ 2020-04-02 10:39 守护式等待
阅读(121)
评论(0)
推荐(0)
编辑
word2vec词向量中文语料处理
摘要: python gensim训练 word2vec的中文语料格式是什么样的呢?很多经验贴或是忽略了这个地方,或是没有详细说明,此博文详细说明及实践语料的处理方式,并汇总数种语料加载方式。 从文章word2vec词向量训练使用(python gensim)对word2vec的介绍,我们了解到Word2V
阅读全文
posted @ 2020-04-02 10:30 守护式等待
阅读(206)
评论(0)
推荐(0)
编辑