電子商務(wù)推薦系統(tǒng)介紹-資料下載頁
2025-01-13 00:07本頁面
【正文】 /2/28 星期日基于項目的協(xié)同過濾算法? 計算項目 i和 j之間的相似性：167。 從所有的用戶中分離出同時對項目 i和項目 j進行評價的用戶167。 根據(jù)上面得到的數(shù)據(jù)計算項目 i和項目 j的相似性2023/2/28 星期日基于項目的協(xié)同過濾算法? 相似性度量跟基于最近鄰技術(shù)的協(xié)同推薦系統(tǒng)類似：167。 基于相關(guān)性的相似性 (Correlationbased Similarity)：Pearson相關(guān)系數(shù)167。 基于余弦的相似性 (Cosinebased Similarity)2023/2/28 星期日基于項目的協(xié)同過濾算法? 產(chǎn)生推薦的方法很簡單，根據(jù)目標(biāo)客戶對最相似項目的評分及最相似項目與目標(biāo)項目的相似度產(chǎn)生推薦2023/2/28 星期日基于項目的協(xié)同過濾算法? 性能分析：167。 在基于最近鄰技術(shù)的協(xié)同過濾推薦算法中，鄰居生成階段，特別是客戶相似性計算是算法提高性能的瓶頸，使得大規(guī)模電子商務(wù)網(wǎng)站的實時推薦不能實現(xiàn)167。 本算法將鄰居生成階段和推薦產(chǎn)生階段分離，使得鄰居生成階段可以離線進行，從而使得電子商務(wù)網(wǎng)站的實時推薦得以實現(xiàn)2023/2/28 星期日判斷用戶 1對電影 3的態(tài)度2023/2/28 星期日基于項目的協(xié)同過濾算法? 以用戶 U1對電影 I3的評分為例：? 用戶 U1對電影 I1,I2,I3進行了評分? 分別計算 I1和 I3,I2和 I3的相似度（利用余弦相似性）2023/2/28 星期日2023/2/28 星期日基于二部圖的推薦算法? 二部圖– 一般的想法是“ 物以類聚，人以群分 ”– 比如說人際關(guān)系網(wǎng)絡(luò)，一個“ 聚類 ” 中的人關(guān)系比較緊密– 也有例外2023/2/28 星期日? 二部圖– 同一類個體之間沒有聯(lián)系，而不同類的個體之間存在聯(lián)系– 比如夫妻關(guān)系一般只存在于男人和女人之間（而不會存在與同類之間）2023/2/28 星期日2023/2/28 星期日? 假設(shè) U1的資源 x1? 平均分成三份給 I1,I2,I3。? I1把 U1的資源均分給 U1,U3,U4。? I2把 U1的資源均分給 U1,U2,U5。? I3把 U1的資源均分給 U1,U3,U4。? 所以 U1獲得 1/9+1/9+1/9=1/3的 U1的資源? U2獲得 0+1/9+0=1/9的 U1的資源? U3獲得 1/9+0+1/9=2/9的 U1的資源? U4獲得 1/9+0+1/9=2/9的 U1的資源? U5獲得 0+1/9+0=1/9的 U1的資源2023/2/28 星期日? U1可以獲得多少 U1的資源？2023/2/28 星期日聚類、協(xié)同過濾、二部圖進行分析2023/2/28 星期日演講完畢，謝謝觀看！
環(huán)評公示相關(guān)推薦
鄂ICP備17016276號-1