论文笔记] Amazon推荐系统——基于item的协同过滤
2015-10-08 22:48
661 查看
关于亚马逊推荐系统的一个概要总结blog。转载推荐。
http://www.xysay.com/amazon-item-to-item-collaborative-filtering-207.html
补充:
User CF和Item CF基于的数据都是u-i矩阵。但如何利用这个矩阵,两者是不同视角。ucf的过程是通过矩阵找出来current active user最近的邻居/邻居组,根据邻居的偏好推荐cau的偏好。因为邻居们都有实时的评价/购买,而且邻居数量变化大,还有一个最大的问题,一般电商网站的商品非常多,百万或千万,用knn不一定能很好的找到相似的邻居,导致推荐做不了。而且实时计算随用户量和商品量递增,扩展性差。icf的观点转到了关注item本身,它的思想是:如果很多用户买了a以后,还去买b。那么如果cau之前买了a,(线下平台已经计算好了和a接近的商品是b),下次来的话我就给你推荐b。icf的优点,可以线下提前计算相似度(这个相似度基本稳定)。商品相似邻居的稀疏性不高,user相似性稳定
http://www.xysay.com/amazon-item-to-item-collaborative-filtering-207.html
补充:
User CF和Item CF基于的数据都是u-i矩阵。但如何利用这个矩阵,两者是不同视角。ucf的过程是通过矩阵找出来current active user最近的邻居/邻居组,根据邻居的偏好推荐cau的偏好。因为邻居们都有实时的评价/购买,而且邻居数量变化大,还有一个最大的问题,一般电商网站的商品非常多,百万或千万,用knn不一定能很好的找到相似的邻居,导致推荐做不了。而且实时计算随用户量和商品量递增,扩展性差。icf的观点转到了关注item本身,它的思想是:如果很多用户买了a以后,还去买b。那么如果cau之前买了a,(线下平台已经计算好了和a接近的商品是b),下次来的话我就给你推荐b。icf的优点,可以线下提前计算相似度(这个相似度基本稳定)。商品相似邻居的稀疏性不高,user相似性稳定
相关文章推荐
- noi2014 起床困难综合症(未完成)
- JAVA中获取用户的真实IP
- shuoj1962 Water and Fire Maze
- SAP接口编程-RFC系列02 : Connection对象
- 计算几何较全模板(有包含三维的)
- C++两个队列实现栈
- Andrew Ng机器学习课程14(补)
- Android之Shape和state_enabled使用总结
- oracle索引<转>
- BestCoder Round #50 (div.2) HDU5364 Distribution money 排序+模拟
- 第2章 变量和基本类型
- 神经网络的反向传播BP算法
- Count Primes
- python学习进阶一
- 在mvc中 怎么给@Html.HiddenFor()赋值
- TCP那些事
- 信息安全系统设计基础第三周学习总结
- Python中使用Flask、MongoDB搭建简易图片服务器
- 无效绑定问题:org.apache.ibatis.binding.BindingException: Invalid bound statement (not found):
- 字符串匹配之horspool算法