240 发简信
IP属地:贵州
  • Resize,w 360,h 240
    官方正名:我们就是新生代农民工!

    近日,各大IT技术群,IT从业者朋友圈,都被这样一张图片给刷屏了。原来是人社部发了一篇关于北京外来新生代农民工监测报告。报告中,把从事信息传输、...

  • Neo4j 做推荐 (12)—— 协同过滤(基于邻域的推荐)

    kNN——K近邻 现在我们有了一种基于偏好查找类似用户的方法,下一步是允许每个k个最相似的用户投票选择应该推荐的项目。 主要有: “与我的电影最...

  • Neo4j 做推荐 (11)—— 协同过滤(余弦相似度)

    余弦距离: Jaacard相似度对于比较电影很有用,实际上是比较两组(类型、演员、导演等)。但是对于电影评级,每个关系都有一个我们可以考虑的权重...

  • Neo4j 做推荐 (10)—— 协同过滤(皮尔逊相似性)

    皮尔逊相似性或皮尔逊相关性是我们可以使用的另一种相似度量。这特别适合产品推荐,因为它考虑到不同用户将具有不同的平均评分这一事实:平均而言,一些用...

  • Neo4j 做推荐 (9)—— 协同过滤(人群的智慧)

    简单的协同过滤 MATCH (u:User {name: "Cynthia Freeman"})-[:RATED]->(:Movie)<-[:R...

  • Neo4j 做推荐 (8)—— 协同过滤(利用电影评级)

    协同过滤: 使用网络中其他用户的首选项,评级和操作来查找要推荐的项目。 (买这个东西的用户,还买了那个东西) 用户Misty Williams的...

  • Resize,w 360,h 240
    Neo4j 做推荐 (7)—— 基于内容的相似度量标准

    相似度量是用于生成个性化推荐的重要组件,这些推荐允许我们量化两个项目的相似程度(或者我们稍后会看到,两个用户偏好的相似程度)。 Jaccard指...

  • Resize,w 360,h 240
    Neo4j 做推荐 (6)—— 加权内容算法

    除了考虑计算相似性的类型之外,还有更多的特征,如演员和导演。让我们使用加权总和根据他们共同的演员、流派和导演的数量对建议进行评分,以提高分数。根...

  • Resize,w 360,h 240
    Neo4j 做推荐 (5)—— 基于类型的个性化建议

    如果我们知道用户看过了哪些电影,我们可以使用此信息来推荐类似的电影: // Content recommendation by overlapp...