第一章 好的推薦系統
2.長尾理論：80/20原則
3.社會化推薦（social recommendation）好友給自己推薦物品
基於內容的推薦（content-based filtering）和以前物品相似的物品
基於協同過濾的推薦（collabrative filtering）和自己歷史興趣相似的使用者的物品
5.個性化的成功推薦需要兩個條件，1. 資訊過載 2,使用者的需求不夠明確。
7.什麼樣的物品適合推薦：消費代價小，使用者熱情高，種類豐富，重用率高，反饋容易。
8.個性化推薦系統的應用
基於物品的推薦演算法
last.fm ：利用使用者行為計算相似度
寶貴的資料;使用者之間的社交網路關係，使用者的偏好資訊
api（instant personalization）推薦好友最喜歡的物品
給使用者推薦好友
zite：使用者的偏好資訊
11.評測指標：
使用者滿意度(顯式的使用者反饋)，
**準確度(評分**(均方根誤差rmse，平均絕對誤差mae)，
topn推薦(準確率和召回率，會看曲線和趨勢)，
多樣性(用推薦物品的相似性差異性來評價多樣性),
新穎性,（使用者沒聽說）
驚喜度（推薦了和歷史不相似但使用者滿意的物品），
信任度(增加透明度,給出解釋,建立使用者之間的信任系統),
實時性,
強健性(行為注入攻擊),
商業目標,)，
推薦系統實踐筆記（一）
import pandas as pd from pandas import series,dataframe from operator import itemgetter,attrgetter import math unames user id gender age occupation zi...
推薦系統實踐筆記 一
第一章 好的推薦系統 1.1 什麼是推薦系統 當使用者沒有明確需求的時候 有明確需求的時候,通過搜尋引擎一般都能夠解決問題 如果週末想去看電影,但是不確定看什麼電影 不確定的需求 這時候需要乙個自動化的工具,它能夠根據你的歷史行為分析出你可能會喜歡哪些系統.推薦系統是自動聯絡使用者和物品的一種工具....
《推薦系統》 電子推薦系統演算法實踐學習筆記（二）
1.1 推薦系統評測 1.1.1 推薦系統實驗方法 1.離線實驗 離線實驗的方法一般由如下幾個步驟構成 1 通過日誌系統獲得使用者行為資料，並按照一定格式生成乙個標準的資料集 2 將資料集按照一定的規則分成訓練集和測試集 3 在訓練集上訓練使用者興趣模型，在測試集上進行 4 通過事先定義的離線指標評...