UserCF (基于用户的协同过滤)、
ItemCF (基于物品的协同过滤)、
基于内容的推荐 (TF-IDF)、
FunkSVD (矩阵分解)
这是本人在cousera上学习机器学习的笔记，不能保证其正确性，谨慎参考看完这几课后 collaborative-filtering collaborative-filtering-algorithm vectorization-low-rank-matrix-factorization 同时参考下面的这篇文章： SVD在推荐系统中的应用详解以及算法推导 后自己用java实现了一下1、下图是待
转载
2023-07-13 15:25:37
129阅读
我们在使用各类型的软件的时候，总是能在各大app中获取到推荐信息的数据，而且会发现推荐的信息数据还比较适合个人的口味，例如说某些共同兴趣爱好的好友推荐，某些好听的音乐推荐等等。 在进行推荐系统的核心算法介绍之前，我们需要先来回顾一下以前所学过的数学知识内容。欧几里得距离二维的欧几里得距离： 例如下图所示，在这样的一个简单的二维空间图里面，根据对于a点的坐标和b点的坐标进行二维空间距离的计算，假设p
转载
2023-08-19 21:38:55
564阅读
搜索算法Learning to Rank方法：1、单文档方法：根据query判断每个item的相似度 2、文档对方法：确定文档对的前后顺序 3、文档列表法：确定所有文档的先后顺序 Item：垂域、意图、语义相似性、item的热度、用户的搜索日志。排序算法的评估标准AUC：准确率：描述模型的推荐列表（分母）中有多少是正例item；召回率：描述有多少正例item（分母）包含在模型的推荐列表中AP av
转载
2024-07-22 17:29:20
74阅读
文章目录一、什么是EGES召回二、为什么我们需要双塔召回三、EGES过程与优化点采样用户行为序列构建物料的有向图随机游走生成物料序列利用word2vec生成物料embedding(之前用序列生成正负样本）；四、其他loss设置特征改进新物料冷启动embedding五、离线评估 一、什么是EGES召回上一篇我们提到DSSM召回，是经典的U2I召回，这一篇EGES是I2I召回。 通过用户行为日志取得
转载
2024-08-20 22:20:59
697阅读
一般物品都有关于内容的分类，如书籍有科技、文学、历史等，商品有食物、衣物、家电等。基于内容的推荐就是根据这些属性、用户的历史评分以及操作记录计算出用户对不同内容属性的喜好程度。以电影评分为例，A用户对《银河护卫队》《变形金刚》《星际迷航》三部电影都有评分，平均分为4.7（（5+4+5）/3=4.7）,对《三生三世》《美人鱼》《北京遇上西雅图》三部爱情剧的评分为2.3（（3+2+2）/3=2.3。显
转载
2023-11-24 10:13:12
52阅读
基于内容的推荐定义：通过用户历史感兴趣的信息，抽象信息内容共性，根据内容共性推荐其他信息。适用场景：用户量少，但是用户操作的事物多还是以推荐电影为例子：简要步骤：a.找到用户感兴趣的电影集合（同样，如何定义感兴趣是个难点，浏览过？点赞过？观看过？）b.找到这些电影的具体内容（导演？电影类型？主演？字幕类型？具体定义维度也是个难点）c.抽象具体内容的共性内容d.由这些共性内容找到其他电影，进行推荐具
转载
2023-08-13 09:38:43
137阅读
import numpy as np
import random
class SVD:
def __init__(self,mat,K=20):
self.mat=np.array(mat)
self.K=K
self.bi={}
self.bu={}
self.qi={}
self.pu={}
self.avg=np.mean(self.mat[:,2])
for i in range(self
转载
2023-06-19 14:32:20
112阅读
在学习和应用推荐算法的过程中，发现越来越多的文章在描述深度学习应用在推荐系统上的方法，不可否认深度学习的发展给推荐系统带来了巨大的进步，但是传统的经典算法仍然是非常值得学习的，毕竟可以作为一个比较高的baseline，同时也是快速上手和搭建推荐系统的好方法，因此这篇文章就主要总结和梳理一下传统的经典召回算法。一般经典的召回方法即采用多路召回的方式，如下图所示。通俗的来说多路召回就是从不同的角度采用
转载
2022-11-16 10:14:43
398阅读
# Java基于内容的推荐算法实现
推荐算法在互联网应用中发挥着重要作用，它可以根据用户的兴趣和行为，为用户提供个性化的推荐内容。其中一种常见的推荐算法是基于内容的推荐算法。本文将介绍基于内容的推荐算法的原理，并使用Java编写一个简单的实现示例。
## 基本原理
基于内容的推荐算法是根据用户对某些内容的喜好，推荐与这些内容相似的其他内容给用户。它通过分析内容的特征，计算内容之间的相似度，然后
原创
2023-08-24 13:29:32
314阅读
让我们假设你想为一个电子商务网站搭建一个推荐系统。基本上你可以采用两种方法：基于内容的算法和协同过滤算法。我们将分别描述两种算法的优点和缺点，然后进一步深入，讲解一个基于内容的推荐引擎的一个简单的实现(可以直接部署在Heroku上，Heroku是一个支持多种编程语言的云平台)我们在Grove的生产环境里使用了一个几乎一样一模的推荐引擎，你可以先去那里体验一下推荐的结果。基于内容的推荐引擎是怎么工作
转载
2023-12-19 13:43:18
59阅读
# Java内容推荐算法
## 简介
推荐算法是在现代信息爆炸时代中应运而生的一种重要技术。它的目的是帮助用户在海量信息中找到最相关和感兴趣的内容。Java是一种流行的编程语言，广泛应用于各个行业和领域。本文将介绍Java内容推荐算法的基本原理和实现方法，并通过代码示例进行演示。
## 算法原理
Java内容推荐算法的核心原理是基于用户的兴趣和行为数据，通过分析和挖掘用户的特征和偏好，为用
原创
2023-08-10 14:04:49
269阅读
# 从零开始实现内容推荐算法的指南
内容推荐算法是现代应用程序中不可或缺的一部分，尤其是社交媒体网站、在线购物平台、音乐和视频流媒体服务等。本文将教你如何在 Java 中实现一个简单的内容推荐算法，我们将一步步剖析整个过程，并提供所需的代码和注释。
## 内容推荐算法实现流程
下面是实现内容推荐算法的基本流程：
| 步骤 | 说明 |
|------|------|
| 1. 收集用户数据
记用户A的训练样本是 train_dataA (用户A的历史行为数据) 用户B的训练样本是 train_dataB (用户B的历史行为数据)用户A的真实购买物品集合是 set_A (ground_truth)用户B的真实购买物品集合是 set_B (ground_truth)推荐算法给A推荐的记为 set_fake_A推荐算法给B推荐的记为 set_fake_B平均召回率定义为 [ ( set_A∩set_fake_A / ...
原创
2021-07-12 10:26:36
553阅读
一、系统的概述 协同过滤方法只考虑了用户评分数据, 忽略了项目和用户本身的诸多特征, 如电影的导演、演员和发布时间等, 用户的地理位置、性别、年龄等. 如何充分、合理的利用这些特征, 获得更好的推荐效果, 是基于内容推荐策略所要解决的主要问题. 基于内容的推荐系统：根据历史信息(如评价、分享、收藏过的文档)构造用户偏好文档, 计算推荐项目与用户偏好文档的相似度, 将最相似的项目推荐给用户.例如
转载
2024-01-02 21:11:01
258阅读
基于内容的推荐算法是一种常用的推荐算法，它主要通过分析物品的特征（如文本、图片、视频等）来实现推荐。其核心思想是利用物品属性的相似性，将已经喜欢的物品的特征作为输入，推荐与该物品相似度高的其他物品。基于内容的推荐算法仅考虑了单个用户对物品的偏好，而未考虑多个用户之间的交互和影响。此外，该算法在特征提取方面也存在一定的局限性，因此需要根据具体应用场景选择合适的特征提取方法。 以下是基于内容
转载
2023-05-19 21:36:23
543阅读
今日头条的走红带动了“个性化推荐”的概念，自此之后，内容型的产品，个性化算法就逐渐从卖点变为标配。伴随着“机器学习”，“大数据”之类的热词和概念，产品的档次瞬间提高了很多。而各种推荐算法绝不仅仅是研发自己的任务，作为产品经理，必须深入到算法内部，参与算法的设计，以及结合内容对算法不断“调教”，才能让产品的推荐算法不断完善，最终与自己的内容双剑合璧。本文以新闻产品为例，结合了我之前产品从零积累用户的
转载
2023-09-30 10:34:28
104阅读
“互联网：”的战略实施后,很多行业的信息化水平都有了很大的提升。但是目前很多行业的管理仍是通过人工管理的方式进行,需要在各个岗位投入大量的人力进行很多重复性工作,使得对人力物力造成诸多浪费,工作效率不高等情况：同时为后续的工作带来了隐患。并且现有的图书推荐系统由于用户的体验感较差、系统流程不完善导致系统的使用率较低。环境需要 1.运行环境：最好是java jdk 1.8，这是目前最稳定的JDK也是
转载
2023-07-18 16:34:19
100阅读
现在比较流行的开源库mahout，能够与hadoop集成，里面实现了很多推荐算法、数据挖掘算法等；还有一个完整的开源软件：easyrec，地址http://easyrec.org/；一个基于mahout的推荐系统：Myrrix。SVDFeature 由上海交大的同学开发的，C++语言，代码质量很高 。去年我们参加KDD竞赛时用过，非常好用，而且出自咱们国人之手，所以置顶推荐！ 项目地址： ht
转载
2023-08-14 14:39:34
96阅读
内容推荐算法主要依据物品的属性匹配程度来进行推荐，适用于文章、商品等各类内容的推荐场景。其核心思想是通过签信息。则存储了用户的偏好标签和已浏览内容的ID。
