机器学习——推荐算法
文章目錄
- 推薦算法
- 1 協(xié)同過濾算法
- 1.1 算法概述
推薦算法
推薦系統(tǒng)的核心問題是為用戶推薦與其興趣相似度比較高的商品。 此時需要一個函數(shù)f(x)來計算候選商品與用戶之間的相似度,并向用戶推薦相似度比較高的商品。為了能夠預(yù)測出函數(shù)f(x),可以利用的歷史數(shù)據(jù)主要有:用戶的歷史行為數(shù)據(jù)、與該用戶相關(guān)的其他用戶信息、商品之間的相似性、文本的描述等等。
假設(shè)集合C表示所有的用戶,集合S表示所有需要推薦的商品。函數(shù)f表示商品x到用戶
c之間的有效性的效用函數(shù):
其中,R是一個全體的排序集合,對于每一個用戶c∈C,希望從商品的集合中選擇出商品,即s∈S,以使得應(yīng)用函數(shù)f的值最大。
1 協(xié)同過濾算法
協(xié)同過濾算法是最基本的推薦算法,CF算法從用戶的歷史行為數(shù)據(jù)中挖掘出用戶的興趣,為用戶推薦其感興趣的項。 根據(jù)挖掘方法的不同,協(xié)同過濾算法可以分為基于用戶的協(xié)同過濾算法和基于項的協(xié)同過濾算法。
1.1 算法概述
基于用戶的協(xié)同過濾算法是基于一個這樣的假設(shè):跟你喜好相似的人喜歡的東西你也很有可能喜歡。所以基于用戶的協(xié)同過濾的主要任務(wù)是找出用戶的最近鄰居,從而根據(jù)最近鄰居的喜好做出未知項的評分預(yù)測。
這種算法存在性能上的瓶頸,當用戶數(shù)越來越多的時候,尋找最近鄰居的復(fù)雜度也會大幅度增加。因而這種算法不能滿足即時推薦的要求,基于項的協(xié)同過濾就解決了這一問題。
基于項的協(xié)同過濾與基于用戶的算法相似,只不過第二步改為計算項之間的相似度。由于項之間的相似度比較穩(wěn)定,可以在線下進行,所以解決了基于用戶的協(xié)調(diào)過濾存在的問題。
未完待續(xù)
總結(jié)
以上是生活随笔為你收集整理的机器学习——推荐算法的全部內(nèi)容,希望文章能夠幫你解決所遇到的問題。
- 上一篇: 自编码器
- 下一篇: 计算机视觉编程——图像搜索