【读书笔记】《推荐系统(recommender systems An introduction)》第十章至第十三章
2015-01-18 12:32
281 查看
第十章 在线消费决策
这一张主要写消费者的心理,更贴近于心理学,而不是技术方面。
1. 传统的决策模型是认为人们的兴趣始终如一,不会发生变化;不过现代研究表明,用户在决策过程中偏好并不稳定
2. 人们会根据物品的展示环境做决策:同样的商品,放到不同环境下面展示,身价就不同
3. 首位/新近效应:位于列表首位和末尾的物品,更容易被记住
4. 框架效应:展现框架决定用户决策
5. 启动效应
6. 。。。
个人评价,如果想深入了解这一张说的内容,还不如找一本消费心理学的书来看
==================================================
第十一章 推荐系统和下一代互联网
之前谈的推荐方法,其前提假设都是在某个网站上,用户对网站上的物品有浏览行为、购买行为、等等,目标是提升物品的购买。
随着互联网的发展,互联网上出现了更多的资源可以利用。如:wiki的出现,给出了很多本体(词),以这些词作为维度,既可以刻画文本内容(如:新闻内容),又可以刻画用户行为(如:用户浏览、收藏等行为),那么基于本体就能够把新闻推荐给相关的用户。
再例如,很多社交网站上,用户都有自己的标签,这些标签如何反映用户的兴趣?如何在推荐系统中进行利用?当用户既有物品消费行为(如:对某个电影进行打分)同时也有自己的标签的时候,如何让标签信息进一步精确用户的推荐内容。——1. 协同的时候,可以用标签来计算用户相似度;2. 标签和用户消费行为的联系的发现?能够解决没有消费行为的冷启动用户;3. 把推荐问题看做分类问题,标签也是输入特征之一。
==================================================
第十二章 普适环境中的推荐
主要问题是谈怎么把推荐系统应用到移动互联网上去,例如:LBS。
这一张没有什么实质内容。
==================================================
第十三章 总结和展望
更没什么实质内容了。
完。
这一张主要写消费者的心理,更贴近于心理学,而不是技术方面。
1. 传统的决策模型是认为人们的兴趣始终如一,不会发生变化;不过现代研究表明,用户在决策过程中偏好并不稳定
2. 人们会根据物品的展示环境做决策:同样的商品,放到不同环境下面展示,身价就不同
3. 首位/新近效应:位于列表首位和末尾的物品,更容易被记住
4. 框架效应:展现框架决定用户决策
5. 启动效应
6. 。。。
个人评价,如果想深入了解这一张说的内容,还不如找一本消费心理学的书来看
==================================================
第十一章 推荐系统和下一代互联网
之前谈的推荐方法,其前提假设都是在某个网站上,用户对网站上的物品有浏览行为、购买行为、等等,目标是提升物品的购买。
随着互联网的发展,互联网上出现了更多的资源可以利用。如:wiki的出现,给出了很多本体(词),以这些词作为维度,既可以刻画文本内容(如:新闻内容),又可以刻画用户行为(如:用户浏览、收藏等行为),那么基于本体就能够把新闻推荐给相关的用户。
再例如,很多社交网站上,用户都有自己的标签,这些标签如何反映用户的兴趣?如何在推荐系统中进行利用?当用户既有物品消费行为(如:对某个电影进行打分)同时也有自己的标签的时候,如何让标签信息进一步精确用户的推荐内容。——1. 协同的时候,可以用标签来计算用户相似度;2. 标签和用户消费行为的联系的发现?能够解决没有消费行为的冷启动用户;3. 把推荐问题看做分类问题,标签也是输入特征之一。
==================================================
第十二章 普适环境中的推荐
主要问题是谈怎么把推荐系统应用到移动互联网上去,例如:LBS。
这一张没有什么实质内容。
==================================================
第十三章 总结和展望
更没什么实质内容了。
完。
相关文章推荐
- 【读书笔记】《推荐系统(recommender systems An introduction)》第六章 推荐系统的解释
- 【读书笔记】《推荐系统(recommender systems An introduction)》第三章 基于内容的推荐
- 【读书笔记】《推荐系统(recommender systems An introduction)》第七章 评估推荐系统
- 【读书笔记】《推荐系统(recommender systems An introduction)》第八章 案例分析:移动互联网个性化游戏推荐
- 【读书笔记】《推荐系统(recommender systems An introduction)》第九章 针对协同过滤推荐系统的攻击
- 【读书笔记】《推荐系统(recommender systems An introduction)》第五章 混合推荐方法
- 【读书笔记】《推荐系统(recommender systems An introduction)》第一章 引言
- 【读书笔记】《推荐系统(recommender systems An introduction)》第四章 基于知识的推荐
- 【读书笔记】《推荐系统(recommender systems An introduction)》第二章 协同过滤推荐
- Building Automated Trading Systems: With an Introduction to Visual C++.NET 2005
- Introduction to Recommender System 之 Module 1 Introduction to Recommender Systems
- Introduction to Recommender Systems-Programming Assignment 1
- 《Reinforcement Learning: An Introduction》 读书笔记 - 目录
- 【推荐系统论文笔记】Introduction To Recommender Systems: Algorithms and Evaluation
- 《Recommender Systems Handbook》读书笔记之一
- Data Mining Methods for Recommender Systems推荐读书笔记
- 《第一行代码》读书笔记 (第十章至第十三章)
- 《reinforcement learning:an introduction》第十三章《Policy Gradient Methods》总结
- Coursera《Introduction to Recommender Systems》Program Assignment3 用户相似性计算
- Reinforcement Learning:An Introduction 读书笔记- Chapter 1