推荐算法——基于上下文的推荐
来源:互联网 发布:淘宝千里眼数据准确吗 编辑:程序博客网 时间:2024/06/14 23:07
将时间信息和地点信息建模到推荐算法中,从而让推荐系统能够准确的预测用户在某个特定时刻以及特定地点的兴趣。本文中主要考虑时间因素:
在给定时间信息后,推荐系统从一个静态系统变成了一个时变的系统,用户的行为数据也变成了一个时间序列。此时用户的数据集变为
时间建模信息的方法有如下几种:
最近最热门:
在没有时间信息的数据集中,我们可以给用户推荐历史上最热门的物品,那么在获得用户行为的时间信息后,最简单的非个性化推荐算法就是给用户推荐最近最热门的物品。给定时间T,物品i最近的流行度
其中
时间上下文相关的Itemcf算法
在itemcf中我们提到过计算物品相似度的公式为:
为用户推荐计算rank值的公式为:
当引入时间衰减项的时候,计算公式变为:
其中
同时预测公式变为
其中
时间上下文相关的usercf算法
与Itemcf相同,在计算相似度以及预测的时候加入时间衰变。
- 当用户没有行为的时候,如何保证多样性?
- 生成推荐的时候加入一定的随机性。
- 记录用户每天看到的推荐结果,在每天给用户推荐的时候,对前几天看到的很多的结果适当的降低权重。
- 每天给用户使用不同的推荐算法
阅读全文
0 0
- 推荐算法——基于上下文的推荐
- 推荐算法——基于矩阵分解的推荐算法
- 基于图的推荐算法——《推荐系统实践》
- 推荐算法:基于特征的推荐算法
- 推荐算法:基于特征的推荐算法
- 推荐算法——基于图的推荐算法PersonalRank算法
- 推荐算法:基于内容的推荐_1:内容推荐算法
- 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
- 《推荐系统》基于图的推荐算法
- 推荐算法:基于约束的推荐
- 推荐算法:基于情景的推荐
- 好友推荐算法-基于关系的推荐
- 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(mahout)
- 推荐算法——基于图模型
- 基于内容的推荐算法
- HDU-3681 Prison Break (bfs + 二分枚举)
- QXmlStreamReader解析XML文件
- FFMPEG学习【libavutil】:音频相关(三)
- spring学习之---spring整合struts2
- STL之list
- 推荐算法——基于上下文的推荐
- PHP识别二维码的方法(php-zbarcode安装与使用)
- c语言实现c++的继承和多态
- CodeForces
- Untiy 灯光属性介绍
- fiddler2抓包工具使用图文教程
- 2017-7-28
- Keras实现一个简单的CNN的分类例子
- swift_040(Swift闭包声明与用途)