随笔分类 -  推荐系统

关于数据挖掘(协同过滤、关联推荐、聚类分类)一些资料(转)
摘要:好多资料一直没有整理啊,呵呵2002年的时候就一直接触这个方向,可惜有一段时间做的工作与这个相关不大,所以那段时间一直也就只能业余看看了,不过感觉这个东西一直和我还是比较有缘的! 协同过滤关联推荐的话目前大家可以参考亚马逊网上书店的效果,总感觉当当网什么都没有给我推荐过滤过,倒是China-Pub命中过一次(置信度100%啊,只向我推荐过一次 :) 就忽悠我把《什么是数学》给买下来了,还是以比当当网贵20%的价格啊),按理来说当当网在数据的支持上,是要比China-pub丰富不少的,我经常去当当,而且在当当也购买了金额超过1000的书籍了,居然人家还没抓住我想要什么(还有很多我在当当的浏览搜索 阅读全文

posted @ 2013-06-14 22:29 Paul_bai 阅读(702) 评论(0) 推荐(0)

MDB TOP250影片排名算法(转)
摘要:http://hi.baidu.com/relaxlp/blog/item/c2e3ae7e0a3727320dd7dad6.html 阅读全文

posted @ 2013-06-14 22:21 Paul_bai 阅读(345) 评论(0) 推荐(0)

推荐系统中的SVD算法
摘要:1. SVD简介假如要预测Zero君对一部电影M的评分,而手上只有Zero君对若干部电影的评分和风炎君对若干部电影的评分(包含M的评分)。那么能预测出Zero君对M的评分吗?答案显然是能。最简单的方法就是直接将预测分定为平均分。不过这时的准确度就难说了。本文将介绍一种比这个最简单的方法要准上许多,并且也不算复杂的算法。 SVD(Singular Value Decomposition)的想法是根据已有的评分情况,分析出评分者对各个因子的喜好程度以及电影包含各个因子的程度,最后再反过来根据分析结果预测评分。电影中的因子可以理解成这些东西:电影的搞笑程度,电影的爱情爱得死去活来的程度,电影的恐怖程 阅读全文

posted @ 2013-01-05 17:07 Paul_bai 阅读(809) 评论(0) 推荐(0)

推荐系统方面的论文(Yahoo Research)
摘要:Netflix Prize的冠军队成员Yahoo Research的大神的论文1、《Matrix Factorization Techniques For Recommender Systems》2、《Factorization Meets the Neighborhood:a Multifaceted Collaborative Filtering Model》3、《Adaptive Bootstrapping of Recommender Systems Using Decision Trees》4、《Yahho!Music Recommendations:Modeling Music R 阅读全文

posted @ 2012-11-16 21:11 Paul_bai 阅读(1543) 评论(0) 推荐(0)

个性化推荐的十大挑战
摘要:本文引用地址:http://blog.sciencenet.cn/home.php?mod=space&uid=3075&do=blog&id=554630个性化推荐很多人都知道,但其中不乏认识上的误区。有的人觉得个性化推荐就是细分市场和精准营销,实际上细分市场和精准营销往往是把潜在的用户分成很多群体,这固然相比基于全体的统计有了长足的进步,但是距离“给每一个用户量身定做的信息服务”还有很大的差距,所以,只能说个性化推荐是细分市场的极致!还有人觉得个性化推荐就等同于协同过滤,这可能是因为协同过滤应用比较广泛并且比较容易为大众理解,实际上协同过滤只是个性化推荐技术中的一个 阅读全文

posted @ 2012-04-21 12:55 Paul_bai 阅读(432) 评论(0) 推荐(0)

One Class Collaborative Filtering 单类协同过滤
摘要:转自:http://www.resyschina.com/2011/04/one-class-collaborative-filtering.html 发表于:2011年04月13日YangQiang教授指导的这篇ICDM2008的文章我2年前就拜读过,但当初对上面的方法不是特别感冒,所以也就没有记得特别清楚。最 近,KDD Cup的第二个track的问题和这篇Paper的研究问题很像,同时我在做KDD Cup时也设计了一个算法,感觉效果非常好,我准备把他称作基于采样的binarySVD算法。然后我准备研究一下这个算法是不是已经有人提出来了,因为 我隐约记得是看过类似的方法。结果我一... 阅读全文

posted @ 2012-04-15 10:57 Paul_bai 阅读(1565) 评论(1) 推荐(1)

社会网络分析:探索人人网好友推荐系统
摘要:转自http://cos.name/2011/04/exploring-renren-social-network/ Posted on2011/04/28by陈逸波 最近四五年间,互联网行业似乎总是绕不开社交网络这个概念。无论是旗舰级别的传说中的facebook、LinkedIn,还是如雨后春笋般冒出来的各种团购和微博网站,全都或多或少地体现着SNS(社会网络服务)的特色。这些五花八门的产品,在丰富我们业余生活的同时,也为研究者提供了大量珍贵的数据。以往只能依靠有限的调研或模拟才能进行的社会网络分析(SNA),现在具备了大规模开展和实施的条件。国内著名而典型的SNS网站“人人网”,最近依.. 阅读全文

posted @ 2012-04-01 19:35 Paul_bai 阅读(1335) 评论(0) 推荐(0)

推荐系统-从入门到精通
摘要:推荐系统-从入门到精通为了方便大家从理论到实践,从入门到精通,循序渐进系统地理解和掌握推荐系统相关知识。特做了个读物清单。大家可以按此表阅读,也欢迎提出意见和指出未标明的经典文献以丰富各学科需求(为避免初学者疲于奔命,每个方向只推荐几篇经典文献)。1. 中文综述(了解概念-入门篇)a) 个性化推荐系统的研究进展b) 个性化推荐系统评价方法综述2. 英文综述(了解概念-进阶篇)a) 2004ACMTois-Evaluating collaborative filtering recommender systemsb) 2004ACMTois -Introduction to Recommende 阅读全文

posted @ 2012-03-31 09:31 Paul_bai 阅读(450) 评论(0) 推荐(0)

Slope One :简单高效的协同过滤算法(Collaborative Filtering)——转
摘要:转自:http://www.cnblogs.com/kuber/archive/2008/06/10/1216846.html现在做的一个项目中需要用到推荐算法, 在网上查了一下. Beyond Search介绍了一个协同过滤算法(Collaborative Filtering) : Slope One;和其它类似算法相比, 它的最大优点在于算法很简单, 易于实现, 执行效率高, 同时推荐的准确性相对很高; 基本概念 Slope One的基本概念很简单, 例子1, 用户X, Y和A都对Item1打了分. 同时用户X,Y还对Item2打了分, 用户A对Item2可能会打多少分呢?User Rat 阅读全文

posted @ 2011-11-23 21:10 Paul_bai 阅读(317) 评论(0) 推荐(0)

导航