机器学习-推荐系统-协同过滤协同过滤(Collaborative Filtering, CF)基于协同过滤的推荐，它的原理很简单，就是根据用户对物品或者信息的偏好，发现物品或者内容本身的相关性，或者发现用户的相关性，然后再基于这些相关性进行推荐。基于协同过滤的推荐可以分为两个简单的子类：基于用户的推荐(User-based Recommendation)和基于项目的推荐(Item-based Re
转载
2024-06-23 07:09:16
32阅读
协同过滤算法（CF）是构建推荐系统时最常用的技术之一。它可以基于收集到的其他用户的偏好信息（协同）来自动地预测当前用户的兴趣点。协同过滤算法主要分为两种：基于记忆（memory-based）的协同过滤算法和基于模型（model-based）的协同过滤算法。一般来说，将两者融合可以获得预测准确度上的提升。在本文中，我们将关注基于记忆的协同过滤算法并详细讨论其推导和集成的细节。
转载
2024-06-05 10:35:33
0阅读
一、背景介绍当我们浏览某些购物软件或者刷一些短视频软件时，经常会遇见一些弹窗，去推荐你喜欢的一些东西。这就涉及到我们一会要学习的内容：推荐系统—协同过滤。协同过滤在我们的日常生活之中无处不在，例如，在电子商城购物中，系统会根据用户的记录或者用户的浏览和点击等信息来推荐相应的产品给客户，是一种较为主流的推荐方式。二、 算法简介2.1 算法概述协同过滤（Collaborative Filtering，
转载
2024-01-02 14:12:42
251阅读
点赞
传统的基于协同过滤的推荐系统在实时性方面的弊端面对具有大规模高维稀疏矩阵特征的用户-项目历史评分矩阵，传统的单纯的基于协同过滤的推荐系统存在计算量大，扩展性不强，推荐效率低等问题，严重影响实时推荐系统的实现，因此本文尝试在现有基于协同过滤的推荐系统上，引入局部敏感哈希(Local-Sensitive-Hashing, LSH)对其进行改进，局部敏感哈希基于随机映射机制将高维空间的数据降维，并原空间
转载
2024-03-31 10:24:34
159阅读
推荐系统-基于模型协同过滤理论基础与业务实践1.SparkMllib库框架详解Spark机器学习库
五个组件
ML Algratham算法Pipelines管道FeatureszationPersistenceUtilitieslSparkml和Sparkmllib
ml基于DatafrmaeAPImllib基于rdd的API2.SparkMllib基本数据类型local
转载
2024-06-07 22:19:29
73阅读
工程架构方向的程序员，看到推荐/搜索/广告等和算法相关的技术，心中或多或少有一丝胆怯。但认真研究之后，发现其实没有这么难。 今天的1分钟系列，给大家介绍下推荐系统中的“协同过滤”，绝无任何公式，保证大伙弄懂。 什么是协同过滤（Collaborative Filtering）？答：通过找到兴趣相投，或者有共同经验的群体，来向用户推荐感兴趣的信息。 举例，如何协同过滤，来
简介随着电商网站中用户数量的迅速增长，基于用户的协同过滤User-based CF存在计算用户之间相似度时复杂度太高，不利于及时为用户产生个性化推荐。相比用户数量，电商网站上的产品数量则相对较少，基于项目的协同过滤（Item-Based CF）被亚马逊提出，并应用于亚马逊网站上。Item-Based CF的原理是计算产品之间的相似度，并根据用户已经购买过的产品为该用户提供相似的产品。由于电商网站上
转载
2023-10-08 11:26:03
142阅读
Mahout 介绍Mahout 是 Apache Software Foundation（ASF） 旗下的一个开源项目，提供一些可扩展的机器学习领域经典算法的实现，旨在帮助开发人员更加方便快捷地创建智能应用程序。Mahout包含许多实现，包括聚类、分类、推荐过滤、频繁子项挖掘。此外，通过使用 Apache Hadoop 库，Mahout 可以有效地扩展到云中。Mahout使用了Taste来提高协同
转载
2024-04-12 09:43:39
185阅读
文章目录Personalized RecommendationCollaborative filteringK Nearest Neighbor Algorithm (KNN)基于User的KNN解决办法Similarity between Users基于Item的KNN解决办法kNN based Methods SummaryMatrix Factorization TechniquesMF
前言最近学校的课题就是一个基于物品的协同过滤算法，自己亲手实现了一把，github中自带数据库和各种包，导出即可运行，另有一篇本人当时的课题报告，写的会比本篇详细的多，所以在这里简述一下，感兴趣的朋友直接去github下载一下即可。觉得有帮助的话记得给颗星星哦~GitHub : https://github.com/a1097304791/zutki (里面有详细的项目报告哦~ 第三章为算法分析内
转载
2023-08-15 15:20:30
124阅读
协同过滤的概念协同过滤简单来说是利用某兴趣相投、拥有共同经验之群体的喜好来推荐用户感兴趣的信息，个人通过合作的机制给予信息相当程度的回应（如评分）并记录下来以达到过滤的目的进而帮助别人筛选信息，回应不一定局限于特别感兴趣的，特别不感兴趣信息的纪录也相当重要。 协同过滤的分类Itemcf,基于物品的协同过滤Usercf基于用户的协同过滤 协同过滤的算法思想Itemcf：物品、用户
转载
2023-12-16 14:15:50
132阅读
本文仅为本人的学习笔记 文章目录什么是协同过滤？用户相似度计算（Similarity Calculation）1.余弦相似度(Cosine Similarity)2.皮尔逊相关系数（Pearson's Correlation）3.杰卡德相似度计算（Jaccard coefficient）杰卡德相似度计算代码实现1.构造数据集2.只计算2个用户之间的相似度3.计算所有用户之间的相似度4.构建推荐结果
转载
2023-11-10 23:16:17
81阅读
推荐系统学习笔记02 - 协同过滤这几天杂事比较多，协同过滤自己看了一遍，理解了user cf 和 item cf相关知识，但是没有时间形成笔记，此笔记复制与datawhale的协同过滤一节，后期自己学习填补。 文章目录推荐系统学习笔记02 - 协同过滤1. 协同过滤算法2. 相似性度量方法3. 基于用户的协同过滤4. UserCF编程实现5. UserCF优缺点6. 基于物品的协同过滤7. 算法
转载
2024-07-28 12:00:25
108阅读
推荐功能-协同过滤算法实现1.功能介绍根据用户购买过的物品进行推荐2.代码实现数据说明实现类推荐结果 1.功能介绍根据用户购买过的物品进行推荐1.查找推荐用户购买过的物品 2.查找所有用户购买过的物品 3.找到同推荐用户购买过相同物品的用户和物品 4.计算用户之间的相似度【余弦相似性】 5.计算相似用户的物品推荐度 6.取相似度最高的前三个物品进行推荐（推荐物品数量可自定义）2.代码实现数据说明
转载
2024-07-27 11:30:06
46阅读
什么是协同过滤协同过滤是利用集体智慧的一个典型方法。要理解什么是协同过滤 (Collaborative Filtering, 简称 CF)，首先想一个简单的问题，如果你现在想看个电影，但你不知道具体看哪部，你会怎么做？大部分的人会问问周围的朋友，看看最近有什么好看的电影推荐，而我们一般更倾向于从口味比较类似的朋友那里得到推荐。这就是协同过滤的核心思想。换句话说，就是借鉴和你相关人群的观点来进行推荐
转载
2023-11-06 19:05:28
93阅读
协同过滤是最早提出，研究最深入，商业应用最广泛的个性化技术。协同过滤技术服务的对象是个体，却利用了所有用户的信息。在以用户为中心，基于相似性的经典协同过滤算法中，首先通过比较历史数据，计算目标用户和其他用户的相似性，然后把和目标用户非常相似的用户喜欢的商品推荐给目标用户。计算相似性的办法非常多[1]，在讨论关联规则时提到的方法，例如Cosine相似性（分母是两个用户购买商品数目乘积的平方根）和Ja
转载
2024-04-16 10:36:03
35阅读
推荐系统入门（二）：协同过滤（附代码） 目录推荐系统入门（二）：协同过滤（附代码）引言1. 相似性度量方法1.1 杰卡德(Jaccard)相似系数1.2 余弦相似度1.3 皮尔逊相关系数2. 基于用户的协同过滤2.1 UserCF编程实现2.2 UserCF优缺点3. 基于物品的协同过滤4. 算法评估5. 协同过滤算法的权重改进6.协同过滤推荐算法存在的问题6.1 数据稀疏性的问题6.2 冷启动问
转载
2024-03-06 06:19:02
713阅读
协同过滤分为基于用户的协同过滤（User-based-Collaborative Filtering）和基于商品的协同过滤（Item-based-Collaborative Filtering）大致流程如下：收集用户的行为数据：通过记录用户的历史行为数据，例如购买历史、评分数据、浏览历史等，来了解用户的兴趣爱好和行为习惯。建立用户-商品的共现矩阵： 基于用户或者物品的历史数据生成共现矩阵，行代表用
转载
2024-04-02 09:17:59
56阅读
目录协同过滤简介协同过滤算法分类基于领域的协同过滤算法基于模型的协同过滤算法相似度算法欧式(欧几里得)距离相似度余弦相似度皮尔逊相关系数Jaccard公式优势与劣势优势劣势 协同过滤简介协同过滤算法(collaborative filtering),协同过滤简写为cf,这就是user-cf,item-cf的简写来历.CF算法的原理是汇总所有<用户,物品>的行为对,行为是评分(显式)或
转载
2024-01-05 21:20:11
74阅读
一、协同过滤算法简介 协同过滤算法是一种较为著名和常用的推荐算法，它基于对用户历史行为数据的挖掘发现用户的喜好偏向，并预测用户可能喜好的产品进行推荐。也就是常见的“猜你喜欢”，和“购买了该商品的人也喜欢”等功能。它的主要实现由： ●根据和你有共同喜好的人给你推荐 ●根据你喜欢的物品给你推荐相似物品 ●根据以上条件综合推荐 因此可以得出常用的协同过滤算法分为两种，基于用户的协同过滤算法(u
转载
2023-11-03 18:03:52
233阅读
