随笔分类 -  推荐系统/算法

摘要：[原文链接：http://techblog.netflix.com/2013/03/system-architectures-for.html，需要FQ。同样出自Netflix的Xavier Amatriain之手，介绍了Netflix的推荐系统架构。我之前也转载了他的另两篇博文：Netflix Recommendations: Beyond the 5 stars (Part 1, Part 2)。][本文链接：http://www.cnblogs.com/breezedeus/archive/2013/04/13/3017695.html，转载请注明出处]Wednesday, March 阅读全文

摘要：[本文链接：http://www.cnblogs.com/breezedeus/archive/2012/11/12/2765890.html，转载请注明出处。] Talk3：寻路推荐，稳国柱@豆瓣 [ppt下载地址：http://vdisk.weibo.com/s/gNupb] 作者介绍了在豆瓣经历的三个推荐产品：电影推荐、图书推荐和电台的音乐推荐。 1. 电影推荐。在电影推荐中如果纯粹使用CF算法，会产生比较严重的头部效应（热门电影同时被推荐）。用户在一家影院看完某部动作片后，他经常会对在这家影院同时上映的很多电影一起评分。如果直接把CF算法应用于用户的评分数据上，就可能导致喜欢动... 阅读全文

摘要：[本文链接：http://www.cnblogs.com/breezedeus/archive/2012/11/10/2763545.html，转载请注明出处。] Talk2：面向广告主的推荐，江申@百度 [注：本文中很多语句都直接拷贝自作者的演讲ppt而并未加以标明，具体请对照原ppt（下载地址：http://vdisk.weibo.com/s/gNuoh）。] 作者主要讲的是百度面向广告主的推荐产品，主要指拍卖词推荐。 1. 技术目标要正确。在做产品时，我们当然会有一个目的目标，比如提升用户购买率，或者最大化公司收益等。但如何把这种目的目标数学化，也就是写成数学上可以表达的目标函数... 阅读全文

摘要：[本文链接：http://www.cnblogs.com/breezedeus/archive/2012/11/01/2749030.html，转载请注明出处。] Talk1：Large-scale Ecommerce RS in Etao，袁全@一淘 [ppt下载地址：http://vdisk.weibo.com/s/gNumS] 1. 关于用户的行为数据，作者的经验是用户的点击与购买数据比收藏、打分与观看更有用。与购买数据相比，点击数据在做相关性推荐时（如用户在查看泳衣时给他推荐其他款泳衣）更有效，而做补充性推荐时（如用户购买了泳衣后就给他推荐泳镜）则是购买数据比点击数据更有效。想... 阅读全文

摘要：[本文链接：http://www.cnblogs.com/breezedeus/archive/2012/08/25/2655815.html，转载请注明出处] Facebook的新朋友关系中有92%来自于朋友的朋友（FOFs），来自于Facebook的数据科学家Lars Backstrom在eswc2011的talk中介绍了他们是如何对FOFs进行排序，并最终为用户产生朋友推荐的全过程。上不了videolectures.net的童鞋也可以在http://vdisk.weibo.com/s/b9GAF下载对应的slides。 下面这幅图摘自演讲slides，是整个FOFs推荐系统的一个... 阅读全文

摘要：[本文链接：http://www.cnblogs.com/breezedeus/archive/2012/08/12/2634462.html，转载请注明出处] Xavier Amatriain是Netflix的Research/Engineering Manager，前面两篇博客转载（Netflix Recommendations: Beyond the 5 stars Part1，Part2）的就是他之前在Netflix的blog里发表的文章，里面比较详细地介绍了Netflix的推荐系统。他有个很出名的个人博客：TechnoCalifornia，里面也是干货不少。最近他的一个分享slid. 阅读全文

摘要：[Netflix的牛人Xavier Amatriain写的介绍Netflix推荐系统的一篇博客（Part 2，第一部分见上一篇转载）。原文里的图片需要FQ才能看到，感谢dang。原文链接：http://techblog.netflix.com/2012/06/netflix-recommendations-beyond-5-stars.html。] [本文链接：http://www.cnblogs.com/breezedeus/archive/2012/08/01/2617923.html，转载请注明出处] Netflix Recommendations: Beyond the 5 s... 阅读全文

摘要：[Netflix的牛人Xavier Amatriain写的介绍Netflix推荐系统的一篇博客（正如题目所言，还有Part 2），里面较详细地说明了Netflix的推荐及Netflix Prize。原文里的图片需要FQ才能看到，感谢dang。原文链接：http://techblog.netflix.com/2012/04/netflix-recommendations-beyond-5-stars.html。] [本文链接：http://www.cnblogs.com/breezedeus/archive/2012/07/31/2617586.html，转载请注明出处] Netflix ... 阅读全文

摘要：[本文链接：http://www.cnblogs.com/breezedeus/archive/2012/04/10/2440488.html，转载请注明出处] Collaborative Filtering Recommendations (协同过滤，简称CF) 是目前最流行的推荐方法，在研究界和工业界得到大量使用。但是，工业界真正使用的系统一般都不会只有CF推荐算法，Content-based Recommendations (CB) 基本也会是其中的一部分。 CB应该算是最早被使用的推荐方法吧，它根据用户过去喜欢的产品（本文统称为 item），为用户推荐和他过去喜欢的产品相似的产品... 阅读全文

摘要：[[ 本文地址：http://www.cnblogs.com/breezedeus/archive/2011/03/11/1981781.html 转载请注明出处 ]] Slope One 是一种很好理解的推荐算法，因为它的简单性而备受关注。网上有很多相关的博文介绍它的原理，但很少见到比较全面而且数学性比较强的介绍。我下面主要从数学的角度比较全面的介绍相关的三个算法。里面使用红色标记的文字是我自己的感想，欢迎大家的指正。 一些很好的参考文献 算法提出的 paper：Slope One Predictors for Online Rating-Based Collab... 阅读全文