摘要：协同过滤 collaborative filtering 人以类聚，物以群分 相似度 1. Jaccard 相似度 定义为两个集合的交并比： Jaccard 距离，定义为 1 - J(A, B)，衡量两个集合的区分度： 为什么 Jaccard 不适合协同过滤？—— 只考虑用户有没有看过，没考虑评分大 阅读全文

摘要：用户画像 User Profile 基于内容推荐离不开用户画像。在推荐系统中，并不以市场销售人员的第一视角去看待用户（绘制标签云图像或者若干统计学属性），用户画像应该给机器看而不是给人看。 推荐系统在对匹配评分之前，要先对 user 和 item 都向量化才能进行计算，其中用户向量化的结果，就是 u 阅读全文

摘要：什么是推荐系统？ 1. 能做什么？ 找出 user 和 item 之间的联系、预测未来 user 和 item 可能出现的连接（产生了某种关系：比如用户点击、购买、评论了物品；或者用户某些属性和物品的属性一致 ...） 2. 需要什么？ 需要已经存在的 user 和 item 之间的连接记录 3. 阅读全文