推荐算法大致能够分为下面几类 基于流行度的算法 协同过滤算法（user-based CF and item-based CF） 基于内容的算法（content-based） 基于模型的算法 混合算法 1. 基于流行度的算法 能够依照一个项目的流行度进行排序，将最流行的项目推荐给用户。比方在微博推荐中
转载
2017-07-29 13:43:00
312阅读
2评论
PersonRank的原理同PageRank与TextRank算法，其基本原理都是基于随机游走而来。要想从深层次的理解PersonRank这类算法，必须从微观上观察数据的具体流向过程，所以这次就把随机游走前两步的过程描述出来，在心里有个大概的印象。1. 随机游走下图描述的是三个用户与四件商品之间的关系，连线表示购买记录，所以边不设置权重，由图可以看出A 购买过： a、c
B 购买过： a、b、c、
转载
2023-10-11 08:57:15
162阅读
这篇文章我推荐 10个实用的Python库，每一个都是同类库下的佼佼者，试用过后保准你会爱上，要学就学这样的库。这里面有FastAPI的升级版Typer、将CLI变成彩色的Rich、基于GUI框架的Dear PyGui、还有精简报错信息的PrettyErrors……下面就让我们一起来看看吧~ 1、TyperTyper跟FastAPI的原理相同，都是Python上用来构建API服务的一个高
转载
2023-06-25 11:16:29
140阅读
入门python有什么好的书籍推荐？适合初学者的最佳Python书籍：1、《Python编程：从入门到实践》埃里克·马瑟斯的这本《Python编程：从入门到实践》是一本快速，全面的Python语言入门教程，适合初学者，他们希望学习Python编程并能够编写出有用的程序。本书旨在让读者快速上手编写真正的程序。本书也适用于对语言有模糊理解并希望在尝试Python编程之前了解其知识的程序员。2、《Hea
转载
2023-07-19 17:47:44
246阅读
最近几年简单浏览和对比了一些智能算法的库。现将各种库的主要信息、相关优缺点简单整理如下，各位同学可根据自己的需求和喜好进行选择。 文章目录1、DEAP2、mealpy3、scikit-opt （国产良心）4、Geatpy2（国产用心）5、pygmo26、pyswarms7、SciPy(想不到吧)小结 1、DEAP项目地址：https://github.com/DEAP/deap安装：pip ins
转载
2023-07-29 08:58:42
466阅读
2022年已经到来，在此祝大家虎年大吉！2022年，下面几种机器学习算法和 Python 库将在未来更受欢迎！让我们花个几分钟一起来了解下：一、CatBoostCatBoost 可能是最新的算法，因为它随着越来越流行而不断更新。这个机器学习算法对于处理分类数据的数据科学家特别有用。您可以考虑 Random Forest 和 XGBoost 算法的优点，CatBoost 具有它们的大部分优点，同时还
转载
2023-09-20 07:42:41
120阅读
推荐系统： 类似淘宝根据你买过或者浏览过的东西，自动推荐你一些商品。我们要做的是两种推荐：一、基于用户过滤 （1）要收集不同人的偏好，以电影为例——建立一个字典，里面包含用户、用户看的电影和看完电影后打分的数据。可以根据对相同电影得分情况的类似程度来说明用户之间的相似性。  
转载
2024-04-02 10:28:28
29阅读
协同过滤分为 memory-based 和 model based 1. memory-based 利用用户物品之间相似度进行推荐一种是 item-item 即喜欢这个物品的用户还喜欢..一种是 user-item 即与你有相似爱好的用户还喜欢..现在有个评分矩阵R，行表示用户，列表示物品，R(i,j)表示用户i对物品j的评分，R(:,j)表示所有用户对物品j的
转载
2023-06-26 11:40:39
139阅读
介绍矩阵的编程表示，矩阵的初等变换，化阶梯矩阵及求方阵的行列式。 Read More
原创
2022-01-21 14:20:43
237阅读
前言接收者操作特征曲线(ROC)可以用来对分类器的表现可视化，可以依据分类器在ROC上的表现来选择最终的模型。分类性能TP、FP、TN、FN以二分类问题为例，每个实例I将会被映射到正例和负例上{p，n}。模型会将每个实例一个预测结果，结果可能是连续的，也可能是离散的；对于连续的结果，需要根据阈值再进行分类。为了和分类标签区分，我们使用{Y，N}表示每个样本的预测结果。给定一个分类器和一个样本，会有
转载
2023-12-15 10:25:22
64阅读
NCF知识总结代码实现1. NeuralCF 模型的结构1.1 回顾CF和MF1.2 NCF 模型结构1.3 NeuralCF 模型的扩展---双塔模型2. NCF代码实现2.1 tensorflow2.2 pytorch NeuralCF：如何用深度学习改造协同过滤？随着技术的发展，协同过滤相比深度学习模型的弊端就日益显现，因为它是通过直接利用非常稀疏的共现矩阵进行预测的，所以模型的泛化能力非
转载
2024-02-23 18:01:30
131阅读
尚硅谷Java入门视频教程——项目二Eclipse常用快捷键项目二:客户信息管理软件 Eclipse常用快捷键Eclipse中的快捷键：
补全代码的声明：alt + /快速修复: ctrl + 1批量导包：ctrl + shift + o使用单行注释：ctrl + /使用多行注释： ctrl + shift + /取消多行注释：ctrl + shift + \复制指定行的代码：ctrl +
转载
2024-05-28 16:35:11
37阅读
1基于内容的推荐基于内容的信息推荐方法的理论依据主要来自于信息检索和信息过滤，所谓的基于内容的推荐方法就是根据用户过去的浏览记录来向用户推荐用户没有接触过的推荐项。主要是从两个方法来描述基于内容的推荐方法：启发式的方法和基于模型的方法。启发式的方法就是用户凭借经验来定义相关的计算公式，然后再根据公式的计算结果和实际的结果进行验证，然后再不断修改公式以达到最终目的。而对于模型的方法就是根据以往的数据
转载
2023-10-08 10:51:48
108阅读
每个人都会有这样的经历：当你在电商网站购物时，你会看到天猫给你弹出的“和你买了同样物品的人还买了XXX”的信息；当你在SNS社交网站闲逛时，也会看到弹出的“你可能认识XXX“的信息；你在微博添加关注人时，也会看到“你可能对XXX也感兴趣”；等等。所有这一切，都是背后的推荐算法运作的结果。最经典的关联规则算法是大名鼎鼎的Apriori算法，源自一个超市购物篮的故事：啤酒总是和尿布一起被购买。有兴趣的
转载
2023-10-08 10:03:20
100阅读
本次分享将主要介绍今日头条推荐系统概览以及内容分析、用户标签、评估分析，内容安全等原理。一、系统概览推荐系统，如果用形式化的方式去描述实际上是拟合一个用户对内容满意度的函数，这个函数需要输入三个维度的变量。第一个维度是内容。头条现在已经是一个综合内容平台，图文、视频、UGC小视频、问答、微头条，每种内容有很多自己的特征，需要考虑怎样提取不同内容类型的特征做好推荐。第二个维度是用户特征。包括各种兴趣
转载
2024-01-30 14:01:37
66阅读
推荐系统的必然互联网发展到现阶段，信息已经不是匮乏，而是爆炸。所以良好的用户体验就是把用户喜欢的，感兴趣的从大量的数据中筛选出来，再呈现给用户，实现千人千面的效果。所以推荐系统的出现就是必然了，他可以推荐每个用户感兴趣的产品，同时也将每个产品呈现到感兴趣的用户面前。实现用户和产品的双赢。推荐系统架构一个常见的推荐系统架构一般如下图: 可以看到分为数据来源、推荐引擎和推荐交互三
转载
2024-02-29 11:27:32
52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
一、定义UserCF：推荐那些和他有共同兴趣爱好的用户喜欢的物品ItemCF：推荐那些和他之前喜欢的物品类似的物品
根据用户推荐重点是反应和用户兴趣相似的小群体的热点，根据物品推荐着重与用户过去的历史兴趣，即：UserCF是某个群体内的物品热门程度ItemCF是反应本人的兴趣爱好，更加个性化二、新闻类网站采用UserCF的原因：用户大都喜欢热门新闻，特别细粒度的个性化可忽略不计个性化新闻推荐更强调
转载
2023-11-13 22:46:17
51阅读
推荐算法实例代码：1.数据处理过程，主要涉及数据的读取，文件data_process.pyimport pandas as pd
import os
import csv
def get_item_info(input_file):
"""
得到Item的信息
input_file: Item的文件地址
return:
dict： {itemID
转载
2023-08-11 22:03:46
85阅读
常见的推荐算法原理介绍，随着互联网的发展短视频运营越来越精准化，我们身边常见的抖音、火山小视频等软件让你刷的停不下来，这些软件会根据你的浏览行为推荐你感兴趣的相关内容，这就用到了很多推荐算法在里面。在淘宝购物，在头条阅读新闻，在抖音刷短视频，背后其实都有智能推荐算法。这些算法不断分析、计算我们的购物偏好、浏览习惯，然后为我们推荐可能喜欢的商品、文章、视频。这些产品的推荐算法如此智能、高效，以至于我
转载
2023-08-25 16:43:47
164阅读
