240 发简信
IP属地:华盛顿州
  • 【基于内容的推荐系统2】数据预处理和特征提取

    基于内容的推荐系统第一步就是要提取出能够区分不同项目的特征,这些特征往往特定于某一些应用。 1 特征提取和整理 当使用从非结构化的数据,如文字数...

  • 【基于内容的推荐系统1】基本介绍

    基于内容推荐系统旨在利用可以使用推荐项目具有描述性属性的情形下。在这种情况下,从用户自己对其它电影的评分和行为足以发现有意义的推荐。特别是当推荐...

  • 【基于模型的协同过滤5】黑箱模型延伸到协同过滤一般解法

    这一篇主要想讨论黑箱模型延伸到协同过滤一般解法。一般的机器学习分类器可以都可以直接延伸到协同过滤,但是其中一个主要的挑战在于矩阵是稀疏的。对于需...

  • 【基于模型的协同过滤4】朴素贝叶斯

    朴素贝叶斯经常用于分类的问题中。朴素贝叶斯模型是生成模型,通常用于分类。可以将每个项目视为特征,将用户视为实例,以便使用分类模型来推断缺失的项目...

  • 【基于模型的协同过滤3】关联规则

    关联规则和协同过滤之间的关系其实是在超市数据背景下是很自然而然被提到一起的。关联规则也是自然而然在二进制数据上定义的,与以往一样处于简化考虑,我...

  • 【基于模型的协同过滤2】决策树模型

    今天我们集中主要讨论如何将决策树模型抽象到协同过滤问题,在讨论之前,首先回顾一下决策树模型在传统分类问题上的作用。 决策树算法回顾 决策树模型根...

  • 【基于模型的协同过滤1】基本介绍

    最近正系统阅读 Charu C.Aggarwal 写的《推荐系统》。这本书被许多人传为推荐系统的圣经。这本书从基础知识开始,然后初步推进探讨高级...