毕业设计的探索与研究2:有关基于内容推荐算法原理的笔记
2018-01-21 21:00
363 查看
(学习资料来源于网络,如有雷同,纯属学习)
推荐算法:Content Based
作为最基础的算法,基于内容的推荐算法原理理解起来并不难,但是用代码实现就是另外一件事情了,现在只是简单理解一下原理,至于实现的事情今后再慢慢补上。
1. 引入item属性的Content based
a) 结构图如下:
![](https://img-blog.csdn.net/20180121205720426?watermark/2/text/aHR0cDovL2Jsb2cuY3Nkbi5uZXQvZ3VvcWluZ3l1ZWJpbmc=/font/5a6L5L2T/fontsize/400/fill/I0JBQkFCMA==/dissolve/70/gravity/SouthEast)
b) 引入一组概念:正排表和倒排表
正排表:
Music1:治愈/舒缓/通俗
Music2:摇滚/热血/动感
…
与之相对应的倒排表是:
治愈:Music1、Music3、Music6…
舒缓:Music1、Music8、Music11…
通俗:Music1、Music19…
…
通常获取的数据都是属于正排表,所以对于这些数据,需要做的内容分析第一步是:将正排表转换成倒排表
c) 优缺点:
优点:
提升推荐结果的相关性
结果可解释
推荐结果容易被用户感知
缺点:
无个性化
依赖于对item的深度分析
2. 引入User属性的Content based
a) 结构如下
![](https://img-blog.csdn.net/20180121205752855?watermark/2/text/aHR0cDovL2Jsb2cuY3Nkbi5uZXQvZ3VvcWluZ3l1ZWJpbmc=/font/5a6L5L2T/fontsize/400/fill/I0JBQkFCMA==/dissolve/70/gravity/SouthEast)
b) 优缺点
优点:
用户模型刻画了用户兴趣需求
推荐形式多样,具有个性化
结果可解释
缺点:
推荐精度低
马太效应(用户喜欢看的一直推荐,形成闭环)
用户行为稀疏导致覆盖率低
下一步的学习计划:
1.深入研究协同过滤算法
2.阅读购买书目(明后天到)
3.除算法外,学习其他技术点,如中文分词,mapreduce等
推荐算法:Content Based
作为最基础的算法,基于内容的推荐算法原理理解起来并不难,但是用代码实现就是另外一件事情了,现在只是简单理解一下原理,至于实现的事情今后再慢慢补上。
1. 引入item属性的Content based
a) 结构图如下:
b) 引入一组概念:正排表和倒排表
正排表:
Music1:治愈/舒缓/通俗
Music2:摇滚/热血/动感
…
与之相对应的倒排表是:
治愈:Music1、Music3、Music6…
舒缓:Music1、Music8、Music11…
通俗:Music1、Music19…
…
通常获取的数据都是属于正排表,所以对于这些数据,需要做的内容分析第一步是:将正排表转换成倒排表
c) 优缺点:
优点:
提升推荐结果的相关性
结果可解释
推荐结果容易被用户感知
缺点:
无个性化
依赖于对item的深度分析
2. 引入User属性的Content based
a) 结构如下
b) 优缺点
优点:
用户模型刻画了用户兴趣需求
推荐形式多样,具有个性化
结果可解释
缺点:
推荐精度低
马太效应(用户喜欢看的一直推荐,形成闭环)
用户行为稀疏导致覆盖率低
下一步的学习计划:
1.深入研究协同过滤算法
2.阅读购买书目(明后天到)
3.除算法外,学习其他技术点,如中文分词,mapreduce等
相关文章推荐
- (菜鸟回归)毕业设计的探索和研究【1】:有关推荐系统的笔记
- 个性化推荐算法------基于内容的推荐和基于邻域的协同过滤
- 采用深度学习算法为Spotify做基于内容的音乐推荐
- 个性化推荐系统原理介绍(基于内容推荐/协同过滤/关联规则/序列模式/基于社交推荐)
- 【笔记6】用pandas实现条目数据格式的推荐算法 (基于物品的协同)
- 推荐算法综述3--基于内容的推荐
- Recommending music on Spotify with deep learning 采用深度学习算法为Spotify做基于内容的音乐推荐
- 采用深度学习算法为Spotify做基于内容的音乐推荐
- 基于排序学习的推荐算法研究综述
- 基于朴素贝叶斯的内容推荐算法
- 【笔记3】用pandas实现矩阵数据格式的推荐算法 (基于用户的协同)
- 基于大数据的推荐算法研究(2)——改进相似度
- 采用深度学习算法为Spotify做基于内容的音乐推荐
- 基于灰度投影的电子稳像算法研究 (matlab代码)毕业设计
- 笔记:基于标签的推荐系统、基于图的推荐算法、PersonalRank
- 基于SQL的数据库算法研究 推荐
- 基于大数据的推荐算法研究(4)——矩阵分解并行化
- 基于内容的推荐系统---《推荐系统技术、评估及高效算法》---读书笔记(3)
- 大数据推荐系统算法之基于内容个性化推荐
- 基于灰度投影的电子稳像算法研究 (matlab代码)毕业设计