• 25.推荐---协同过滤(Collaborative Filtering)


    协同过滤需要注意的三点:

    • gray sheep(有人喜欢追求特别,协同过滤一般只能从共同的人或物间找相似)
    • shilling attack(水军刷好评导致数据错误,无法带来精确的推荐)
    • cold start(冷启动,初次登陆网站,没有给商品打分,怎么推荐)

    1.基于memory的CF

    (1)基于用户的CF

    Wu,v指的是两个用户之间的相似度

    Pa,i指的是a用户对i商品的打分

     

     4.67=用户1给所有商品打分的平均值,即(4+5+5)/3

    (2)基于item的CF

     计算列与列之间的相关性(商品与商品)

    不同的Pa,i实现方法:

     

    举例:

     三种方法计算得到的lucy关于物品1的打分值是不同的

     2.基于模型的CF

    举例:朴素贝叶斯

     

     分子的1和分母的5是拉普拉斯平滑,防止分数为0

     

    对于打分问题,将like和dislike转换成两行,缺失值置为0,转换成二分类问题,对于一个商品,用户是like还是dislike?

  • 相关阅读:
    redis
    dom4j-1.6.1.jar与dom4j-1.4.jar
    runoob
    session失效后,登录页面嵌入iframe框架
    log4j.properties 详解与配置步骤
    maven+swagger
    Eclipse建立Maven项目后无法建立src/main/java资源文件夹
    vue 3.x 相对于 vue 2.x 的重大修改
    面试准备
    JS系列
  • 原文地址:https://www.cnblogs.com/nxf-rabbit75/p/10968796.html
Copyright © 2020-2023  润新知