按相关性排序 按时间排序
- Slope One 之一 : 简单高效的协同过滤算法(转) 2010-01-21 15:59:06
- 2008-09-01 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(CollaborativeFiltering):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...
- 基于用户兴趣局部相似性的协同过滤推荐算法（一） 2010-01-21 16:12:58
- 有提出了一种平滑聚类的方法来克服稀疏性问题，他基于稀疏的用户评分矩阵，对用户进行聚类，同类用户间进行推荐。但由于用户之间个体的差异性，类别的多维性，聚类的标准难以把握等问题，会导致个性化推荐的精度降低。还有提出基于影响集的协同过滤推荐算法。理论可以克服...
- C# code ： Implement of Slope One （转） 2010-01-21 16:09:00
- Reference:Tutorial about how to implement Slope One in PythonSlope OnePredictors for Online Rating-Based CollaborativeFilteringRecommenderSystems:Slope Oneusing System;using SlopeOne{public class Rating{public float Value { get;set;}public int Freq...
- Slope One 算法 (三) ：加权平均实例 2010-01-21 16:11:42
- 例子：首先计算item1和item2的平均差值，((5-3)+(3-4))/还有item1和item3的平均差值，就是然后推算lucy对item1的评分，根据item1和item2的平均差值来看lucy对item1的评分可能为同理根据item1和item3的平均差值lucy对item1的评分可能为5+3=8.现在如何取舍那？使用加权平均数...
- 协同过滤 -- 基于用户的协同过滤系统 2010-01-21 16:10:13
- 也是这种方法。隐式评分。不需要用户直接输入评价数据，而是根据用户的行为特征由系统代替用户完成评价。一种研究得比较多的方法是Web Mining。电子商务网站的用户购买记录是非常有用的数据。步骤二，最近邻搜索。协同过滤的出发点是与你兴趣相同的一组用户，术语叫做“最...
- 推荐系统：Slope One 算法 2010-01-21 16:06:45
- 的数据集进行一些简单地试验。但如果真正要把它投入到商业环境，还有许多其他的工作必须做好。注：原始出处与 版权信息相关文章:推荐系统：协同过滤 之 Item-based CollaborativeFiltering(2006-12-297...协同过滤 之 User-based CollaborativeFiltering(2006-12-811...
- slope one [C#]实现 2010-01-21 16:04:45
- 1.有一组用户2.有一组Items(文章,商品等)3.用户会对其中某些项目打分(Rating)表达他们的喜好Slope One算法要解决的问题是,对某个用户,已知道他对其中一些Item的Rating了,向他推荐一些他还没有Rating的Items,以增加销售机会.-)一个推荐系统的实现包括以下三步:1.计算出任意...
- 个性化推荐技术漫谈 2009-07-05 00:32:22
- 就能够将他们最感兴趣的内容作为当前用户的推荐结果推荐给这个用户。也就是说，以前的行为选择与你相似的用户，在以后的行为中很可能也会和你相似。因此将这些用户做为基准来向你推荐内容。协同过滤的核心问题是寻找与目标用户兴趣相近的一组用户。这种相似用户通常被称为...
- 推荐引擎：从搜索到发现 2009-07-04 23:54:00
- 另一种被称为“协同过滤”(CollaborativeFiltering)的推荐方式也得到了越来越广泛的应用。如果说“基于内容的过滤”可以被视作由机器完成的推荐，那么“协同过滤”就可以被看成由人完成的推荐。以“协同过滤”推荐机制为核心，网站并不需要做出如同“What toRent”...
- Collaborative Filtering 2008-11-24 10:58:04
- activeuser，找到跟其比较接近（或者相似）的几个neighbour。对于这些neibour对activeuser的interest进行预测，把那些潜在的interest推荐给active user。item-base:与user-based相对应。协同过滤推荐根据用户对相似项的评分预测该用户对目标项的评分，它基于这样一个假设：...
相关搜索
