推荐算法——基于图模型
来源:互联网 发布:ios 跳转到淘宝客户端 编辑:程序博客网 时间:2024/06/03 19:04
基于图模型(graph-based model) 将用户行为数据表示成图的形式。
如上,用户A对物品a,b,d有行为。
- 表示成二分图之后,给用户u推荐物品可以转化为度量用户顶点
vu 和与vu 没有边直连的物品节点在图上的相关性,相关性越高的物品在推荐列表中权重越高。 - 顶点的相关性主要体现在如下方面:
- 两个顶点之间的路径数
- 两个顶点之间路径的长度
- 两个顶点之间的路径经过的点
- 相关性高的一对顶点有如下特征:
- 两个顶点之间有很多路径相连
- 连接两个顶点之间的路径长度都比较短
- 连接两个顶点之间的路径不会胫骨出度较大的顶点
利用随机游走的personalRank算法来为用户推荐物品:
假定要给用户u进行个性化推荐,可以从用户u对应的节点
这样重复之后,每个物品节点被访问的概率收敛到一个数,最终的推荐列表中物品的权重就是物品节点的访问概率。
- 缺点
- 时间复杂度方面有明显的缺点,在为每个用户推荐的时候都需要在整个二分图上迭代,直到整个图上的PR(v)收敛,耗时。
- 解决
- 减少迭代次数,但是会影响精度
- 从矩阵论出发重新设计算法
讲PR转换成为矩阵的形式,令M为用户物品二分图的转移概率矩阵,即:
迭代公式变为:
只需要计算一次
阅读全文
1 0
- 推荐算法——基于图模型
- 基于图的推荐算法——《推荐系统实践》
- 推荐算法——基于图的推荐算法PersonalRank算法
- 推荐算法——基于矩阵分解的推荐算法
- 推荐算法——隐语义模型
- 推荐算法——基于(mahout)
- 推荐算法——基于上下文的推荐
- 《推荐系统》基于图的推荐算法
- 推荐算法——基于用户的协同过滤算法
- 推荐算法——基于物品的协同过滤算法
- 推荐算法:基于图的算法
- 推荐算法:基于图的算法:pagerank
- 协同过滤——基于用户的推荐算法
- Spark—基于物品的协同过滤推荐算法
- 推荐算法:基于图的算法:基于路相似度
- 基于图挖掘的服务推荐算法
- 基于图的推荐算法(PersonalRank)
- PersonalRank:一种基于图的推荐算法
- 已知一个字符串都是由左括号(和右括号)组成,判断该字符串是否是有效的括号组合。
- MVG读书笔记——齐次坐标与射影几何
- Android图形显示系统——概述
- 文件权限
- 8款实用HTML5开发框架
- 推荐算法——基于图模型
- (读书笔记)《玩着玩着就能成为PPT高手》——事前准备不能马虎
- html button 和 asp button的 各种click事件
- Git的常用命令使用
- shell脚本——sed
- 程序员面经:面试前到底该不该刷题以及面试前该如何准备
- C++_String类
- jstack简单使用,定位死循环、线程阻塞、死锁等问题
- 03--类