推荐系统(三)—— 基于用户标签推荐 发表于 2017-10-08 | 更新于: 2021-06-02 | 分类于 推荐系统 | 阅读次数: 字数统计: 673 | 阅读时长 ≈ 2 UGC(User Generated Content, 用户生成的内容)标签:当一个用户对一个物品打上一个标签,这个标签一方面描述了用户的兴趣,另一方面表示了物品的语义,从而将用户和物品联系起来。下图为豆瓣读书中《推荐系统实践》一书的常用标签。 本文主要探讨如何利用用户打标签的行为为其推荐物品。一 ... 阅读全文 »
推荐系统(四)—— 基于上下文推荐 发表于 2017-10-07 | 更新于: 2021-06-02 | 分类于 推荐系统 | 阅读次数: 字数统计: 600 | 阅读时长 ≈ 2 上下文包括用户访问推荐系统的时间、地点、心情等,对于提高推荐系统的推荐系统是非常重要的。比如: 一个卖衣服的推荐系统在冬天和夏天应该给用户推荐不同种类的服装 当用户在中关村打开一个美食推荐系统时,如果这个推荐系统推荐的餐馆都是中关村附近的,显然推荐结果更加能够令用户满意 用户上班时和下班后的兴趣会 ... 阅读全文 »
推荐系统(五)—— 基于社交网络推荐 发表于 2017-10-06 | 更新于: 2021-06-02 | 分类于 推荐系统 | 阅读次数: 字数统计: 1k | 阅读时长 ≈ 3 基于社交网络的推荐社会化推荐有以下优点: 好友推荐可以增加推荐的信任度 社交网络可以解决冷启动问题:当一个新用户通过社交账号登录网站时,可以从社交网站中获取用户的好友列表,然后给用户推荐好友在网站上喜欢的物品; 社会化推荐有以下缺点:好友关系并不是基于共同兴趣产生的,用户好友的兴趣和用户的兴趣往 ... 阅读全文 »
推荐系统(六)—— 评分预测 发表于 2017-10-05 | 更新于: 2021-06-02 | 分类于 推荐系统 | 阅读次数: 字数统计: 2.3k | 阅读时长 ≈ 9 以上所讲皆为TopK推荐,因为TopK更加接近于满足实际系统的需求,本文再来讲讲评分预测。 评分预测问题就是如何通过已知的用户历史评分记录预测未知的用户评分,如何提高分数的预测精度是要解决的主要问题。评分预测一般使用离线指标RMSE进行评测: RMSE=\frac{\sqrt{\sum_{(u,i ... 阅读全文 »
数据结构与算法:线性表(一)—— 链表 发表于 2017-10-01 | 更新于: 2021-06-02 | 分类于 数据结构与算法 | 阅读次数: 字数统计: 5.7k | 阅读时长 ≈ 25 理论篇链表是线性表的链式存储,它不需要使用地址连续的存储单元,而是通过指针建立数据元素之间的逻辑关系。 优点:插入、删除操作不需要移动元素,只需要修改指针; 缺点:不支持随机存取,不能直接找到表中某个特定的节点,需要从头开始遍历,依次查找; 类别 顺序表 链表 存取方式 顺序存取 ... 阅读全文 »
Scala 教程:Basics(一)—— 变量声明 发表于 2017-08-11 | 更新于: 2021-06-02 | 分类于 Scala | 阅读次数: 字数统计: 1.2k | 阅读时长 ≈ 4 变量声明语法: 1var/val <identifier> [: <type>] = <data> 变量声明三要素: 变量:标识指定存储空间和指定类型的标签; 类型:对存储空间中数据的解释方式; 对象:包含数据的存储空间/地址; 变量声明时,如果缺省变量类型, ... 阅读全文 »
Scala 教程:Collections(一)—— Seq 发表于 2017-08-05 | 更新于: 2021-06-02 | 分类于 Scala | 阅读次数: 字数统计: 8.2k | 阅读时长 ≈ 37 Seq 是所有序列(有序集合)的根类型,序列集合的 Seq 层次体系如图所示: 序列的操作有以下几种: 索引和长度的操作 apply、isDefinedAt、length、indices,及lengthCompare。序列的apply操作用于索引访问;因此,Seq[T]类型的序列也是一个以单个 ... 阅读全文 »