推荐系统算法简单总结
来源:互联网 发布:source code pro mac 编辑:程序博客网 时间:2024/06/05 09:05
1、协同过滤和基于内容推荐有什么区别?
用户u1喜欢的电影是A,B,C
用户u2喜欢的电影是A, C, E, F
用户u3喜欢的电影是B,D
我们需要解决的问题是:决定对u1是不是应该推荐F这部电影
基于内容的做法:要分析F的特征和u1所喜欢的A、B、C的特征,需要知道的信息是A(战争片),B(战争片),C(剧情片),如果F(战争片),那么F很大程度上可以推荐给u1,这是基于内容的做法,你需要对item进行特征建立和建模。
协同过滤的办法:那么你完全可以忽略item的建模,因为这种办法的决策是依赖user和item之间的关系,也就是这里的用户和电影之间的关系。我们不再需要知道ABCF哪些是战争片,哪些是剧情片,我们只需要知道用户u1和u2按照item向量表示,他们的相似度比较高,那么我们可以把u2所喜欢的F这部影片推荐给u1。
用户u1喜欢的电影是A,B,C
用户u2喜欢的电影是A, C, E, F
用户u3喜欢的电影是B,D
我们需要解决的问题是:决定对u1是不是应该推荐F这部电影
基于内容的做法:要分析F的特征和u1所喜欢的A、B、C的特征,需要知道的信息是A(战争片),B(战争片),C(剧情片),如果F(战争片),那么F很大程度上可以推荐给u1,这是基于内容的做法,你需要对item进行特征建立和建模。
协同过滤的办法:那么你完全可以忽略item的建模,因为这种办法的决策是依赖user和item之间的关系,也就是这里的用户和电影之间的关系。我们不再需要知道ABCF哪些是战争片,哪些是剧情片,我们只需要知道用户u1和u2按照item向量表示,他们的相似度比较高,那么我们可以把u2所喜欢的F这部影片推荐给u1。
转自:http://www.zhihu.com/question/19971859
0 0
- 推荐系统算法简单总结
- 推荐算法简单总结
- 推荐系统算法总结
- 推荐系统算法总结
- 推荐系统算法总结
- 推荐系统算法总结
- 推荐系统算法总结
- 推荐系统算法总结
- 推荐系统算法总结
- 推荐系统总结:重现推荐系统若干算法
- 传统推荐算法分类总结--简单梳理
- 【总结】Bandit算法与推荐系统
- 采用KNN算法实现一个简单的推荐系统
- 内容分发平台个性化推荐系统经验简单总结
- 内容分发平台个性化推荐系统经验简单总结
- 内容分发平台个性化推荐系统经验简单总结
- 内容分发平台个性化推荐系统经验简单总结
- 推荐系统3种主要算法学习笔记与总结
- VMWare 的三种网络模式的区别
- PKI体系标准
- PKCS1签名&PKCS7签名&PKCS…
- 进程间通信
- fopen文件方式与二进制方式打开文…
- 推荐系统算法简单总结
- C++智能详解
- 正则表达式
- Java与算法之(1) - 冒泡排序
- C++标准异常
- C++中 隐藏、重写(覆盖)解析
- C++ 多态的实现原理--虚函数表
- C++ 临时对象的创建与防止
- STL 所有算法