0320 ----推荐系统
2016-03-20 08:50
232 查看
今天的规划:
将这个的下一篇继续看完,然后开始看自己收集的其他书签,如果将书签看完,阅读k博士的那篇论文Collaborative Filtering with Temporal Dynamics
基本就是这个样子,明天可能会整篇翻译这个文章写在博客中
没有学过的部分在最后
是一种基于分布的聚类,也叫作基于模型的聚类,每次聚类之后评估新的聚类中的元素属于这个类的概率,缺点在于开始的模型选定不一样,最后的聚类效果也会不一样
没有什么新的内容,基本浏览了一下,第二部分打开之后根本不想看
这篇文章真的不错,里面讲述了推荐系统的全局作用,全局作用(global effect,简称GE),可以作为以后搜索论文的关键词
一篇非常好的代码文章,实现了协同过滤的基于用户和基于物品的代码
今天的上午任务已经完成了,马上要进行的是下午部分,Collaborative Filtering with Temporal Dynamics 可能今天看不完,看不完的话明天继续
将这个的下一篇继续看完,然后开始看自己收集的其他书签,如果将书签看完,阅读k博士的那篇论文Collaborative Filtering with Temporal Dynamics
基本就是这个样子,明天可能会整篇翻译这个文章写在博客中
探索推荐引擎内部的秘密,第 3 部分: 深入推荐引擎相关算法 - 聚类
没有学过的部分在最后
狄利克雷聚类算法
是一种基于分布的聚类,也叫作基于模型的聚类,每次聚类之后评估新的聚类中的元素属于这个类的概率,缺点在于开始的模型选定不一样,最后的聚类效果也会不一样
推荐系统,第 1 部分: 方法和算法简介
没有什么新的内容,基本浏览了一下,第二部分打开之后根本不想看美团推荐算法实践
这篇文章虽然没有看的太懂,但是大致了解了,使用混合推荐的方式,最后结果貌似使用的是裁剪方式,对于算法的方面很少,大多是理论基于机器学习方法的POI品类推荐算法
其实我认为这篇文章写得算是非常好的,可能是因为我学习机器学习的缘故,使用了很多机器学习的传统知识,决策树,信息增益,朴素贝叶斯
推荐系统相关算法(2):k-nearest
neighbor
这篇文章真的不错,里面讲述了推荐系统的全局作用,全局作用(global effect,简称GE),可以作为以后搜索论文的关键词
推荐系统学习:协同过滤实现
一篇非常好的代码文章,实现了协同过滤的基于用户和基于物品的代码今天的上午任务已经完成了,马上要进行的是下午部分,Collaborative Filtering with Temporal Dynamics 可能今天看不完,看不完的话明天继续
相关文章推荐
- Hbase基本shell运用
- 树上三角形(triangle) 基于LCT上的暴力
- Oracle数据库、实例、用户、表空间、表之间的关系
- Linux内核分析(四)
- FFmpeg教程(二)FFmpeg命令行工具的使用
- Python之反射
- 第39讲项目1——完数(2)
- #碰到的小问题#c++中vector<int> 和vector<int>::iterator有什么不同
- day01 html面试题--表单常用的提交方式有哪些?区别是
- Spring整合Hibernate图文步骤
- 谈谈C++类与主函数的结构安排
- Ecstore中如何调用发起Ajax请求
- 1、php基本语法--函数
- 自己做网站一定要加上的head代码(收集)
- 值传递,指针传值以及引用传值的区别
- 通过点击图标/按钮处理一级菜单的显示和隐藏
- bzoj 1537 [POI2005]Aut- The Bus(DP+BIT)
- 内核态(Kernel Mode)与用户态(User Mode)
- Ubuntu Server下启动/停止/重启MySQL数据库的三种方式
- Git学习笔记(1)