摘要：社交平衡理论最早是认知心理学的概念，后来相关的概念通过图论的语言被表达出来，从此以后社交平衡理论的研究就从认知过程拓展到网络的结构演化过程中。社交平衡理论不是什么高深莫测的理论，实际上小到我们的日常生活，大到国家和国家之间的关系到处都能看到它的影子。该理论主要有如下的观点：1. 日常生活中人们偏好于... 阅读全文

摘要：Xiao Yu, Hao Ma, Paul Hsu, Jiawei HanOn Building Entity Recommender Systems Using User Click Log and Freebase KnowledgeAlexander Smola, Yuchen Zhang, Amr Ahmed, Vanja JosifovskiTaxonomy Discovery for Personalized RecommendationSteffen Rendle, Christoph FreudenthalerImproving Pairwise Learning for It 阅读全文

摘要：From the tutorial published by Martin Ester in RecSys 2013Future Research Directions--Recommendation in heterogeneous networkswith more than 2 entity types --How to recommend entities of one type to entitiesof another type?--Explanation of social recommendations --A. Papadimitriou, P. Symeonidis, Y. 阅读全文

摘要：转：http://blog.csdn.net/v_july_v/article/details/7184318作者：July。出处：结构之法算法之道引言 昨日看到几个关键词：语义分析，协同过滤，智能推荐，想着想着便兴奋了。于是昨天下午开始到今天凌晨3点，便研究了一下推荐引擎，做了初步了解。日后，自会慢慢深入仔细研究（日后的工作亦与此相关）。当然，此文也会慢慢补充完善。 本文作为对推荐引擎的初步介绍的一篇导论性的文章，将略去大部分的具体细节，侧重用最简单的语言简要介绍推荐引擎的工作原理以及其相关算法思想，且为了着重浅显易懂有些援引自本人1月7日在微博上发表的文字（特地整理下，方便日后随时翻阅.. 阅读全文

摘要：头一次遇到，属于哪方面的理论？是《矩阵理论》吗，有没有这方面的教材设A =[aij]mxn和B=[bij] mxn为同阶矩阵，则A和B的Hadamard被定义为A oB： AoB= [aijbij]mxnA oB称为A和B的Hadamard积，也称为Schur积derivative:d( Uo V) = (dU)o V + UodV参考：http://wenku.baidu.com/view/4029ef22bcd126fff7050ba3.htmlhttp://en.wikipedia.org/wiki/Hadamard_product_(matrices)#cite_note-1http: 阅读全文

摘要：此主题相关图片如下：矩阵的frobenius范数及其求偏导法则-1.gif此主题相关图片如下：矩阵的frobenius范数及其求偏导法则-2.gif 阅读全文

摘要：转：http://blog.sina.com.cn/s/blog_7eb42b5a0100xnog.html原始矩阵可以理解为5个用户对5件衣服的点评，其中用户1,2对第5件衣服打高分，因为第五件衣服好看。用户3,4,5对第一件衣服打高分，因为价格便宜，因此这个矩阵可以分解为5*2,2*5的两个矩阵（2表示2个因素，色彩和价格）运行过程中错误在不断减少，表明算法的有效性。 code 很hard不比拼code质量，只求算法正确性。view plain#include "stdio.h" static unsigned long next = 1; int myrand(voi 阅读全文

摘要：key words: social recommendation, collaborative filtering, learning to rank2014Learning to Recommend with Social Contextual Information from Implicit ... 阅读全文

摘要：由rank-based比rating-based的推荐算法有着更多的应用场景，基于learning to rank的协同过滤方法近几年来得到了广泛的研究。在这里介绍一种将listnet和pmf相结合的一种方法，文中最大的贡献在于能够根据CF的特点，巧妙的利用了pmf框架，给出一个list-wise的损失函数。原文：http://dl.acm.org/ft_gateway.cfm?id=1864764&ftid=845494&dwn=1&CFID=186963410&CFTOKEN=19559945slide:http://pan.baidu.com/share/ 阅读全文

摘要：前言： 上一次写了关于PCA与LDA的文章，PCA的实现一般有两种，一种是用特征值分解去实现的，一种是用奇异值分解去实现的。在上篇文章中便是基于特征值分解的一种解释。特征值和奇异值在大部分人的印象中，往往是停留在纯粹的数学计算中。而且线性代数或者矩阵论里面，也很少讲任何跟特征值与奇异值有关的应用背景。奇异值分解是一个有着很明显的物理意义的一种方法，它可以将一个比较复杂的矩阵用更小更简单的几个子矩阵的相乘来表示，这些小矩阵描述的是矩阵的重要的特性。就像是描述一个人一样，给别人描述说这个人长得浓眉大眼，方脸，络腮胡，而且带个黑框的眼镜，这样寥寥的几个特征，就让别人脑海里面就有一个较为清楚的认识，实 阅读全文

摘要：今天查文献的时候看到ACM RecSys 2010的一篇关于top-n推荐的文章，注意到文章的第二作者是Netflix Prize赛程中贡献最大的Yehuda Koren，所以仔细读了一下。看完之后相当困惑：高手也有盲点？Yehuda Koren是Netflix Prize获奖团队的主要成员，在整个赛事中展现出了非常优秀的问题分析和数据分析能力。但这篇文章的话题却实在让人意外。文章的作者通过实验发现，在Netflix Prize中表现优异的算法虽然可以大幅降低RMSE，但如果以Recall@n或者Precision@n作为评测标准，效果却非常差，还不如直接推荐最热门的商品效果好。很诧异作者会因 阅读全文

摘要：MAP(Mean Average Precision)：单个主题的平均准确率是每篇相关文档检索出后的准确率的平均值。主集合的平均准确率(MAP)是每个主题的平均准确率的平均值。MAP 是反映系统在全部相关文档上性能的单值指标。系统检索出来的相关文档越靠前(rank 越高)，MAP就可能越高。如果系统没有返回相关文档，则准确率默认为0。例如：假设有两个主题，主题1有4个相关网页，主题2有5个相关网页。某系统对于主题1检索出4个相关网页，其rank分别为1, 2, 4, 7；对于主题2检索出3个相关网页，其rank分别为1,3,5。对于主题1，平均准确率为(1/1+2/2+3/4+4/7)/4=0 阅读全文

摘要：矩阵分解方法由于在Netflix中取的好成绩，成为近年来推荐系统中比较流行的推荐方法（无论是隐示数据还是显示数据，用的人都很多）。早期的方法有SVD，它通对评分矩阵进行分解，学习到潜在特征向量，但是它很容易过学习，因此，又提出了带正则化项目的分解方法。除此之外，还有基于概率论的推荐模型（Hofmann,probabilistic latent semantic model）,以及基于分类问题的推荐方法，基于排序的模型等。本文我们将介绍一种在隐数据集上以个性化排序（每个用户都有不同的排序）为目标的推荐方法。这里的隐数据可以购买行为，点击行为或是观看行为。问题的形式化假设可观测的数据用S表示U表示 阅读全文

摘要：版本作者联系日期1.0周巍然weiran.chow@gmail.com201207232.0严程supersteven198701@gmail.com201208213.0严程supersteven198701@gmail.com20120831摘要： 本文以2011年举办的第一届数据挖掘邀请赛的"世纪佳缘会员推荐"赛题为例，尝试了5种排序方法来为新注册会员推荐容易受到亲睐的老会员。 先看5种排序方法的测试结果，以便朋友们有针对性地浏览本文。基于5倍交叉验证NKCG@10基于training set验证NKCG@10随机模型0.08659561709415893基于投票加权 阅读全文