@[bigdata|rs|ml]
最基本的rs問題就是基於rating的，其他的資訊加入使問題變得複雜。
content-based method
collaberative filter
model-based
提取出使用者和物品的特徵向量，將使用者對物品的評分簡化為乙個簡單的回歸模型,那麼問題來了，怎麼表示使用者和物品呢？
非負矩陣分解成為了乙個典型的選項。分解的方式應該是與回歸模型相關的，簡單的svd分解對應於線性加權模型是有道理的。
neighbor-based
graph-based
這是一種很有意思的想法，其實我個人覺得它們是想放棄顯式或者說簡單地去表達使用者或者物品。把它們均放在一張圖，random-walker也許會有一些好的效果，但是問題在於這是一張有向圖，而且作為物品的節點是沒有出度的。
how to evaluate the rs
recommend
unrecommend
used
tpnot usedfp
pr-curve 是個不錯的度量
評價的指標很多，選取一些列在下面
- prediction
- confidence
- novelty
- scability
- robustness
supplement information
上文只是做了乙個簡單的概念上的回顧，詳細問題會在接下來的文章討論
作業系統 review
記憶體 磁碟 中斷處理與裝置驅動管理 軟體 異常處理過程 恢復現場 b,c,d,e,f都是互不相關的函式 虛擬記憶體技術 先進先出演算法 fifo 將記憶體中駐入時間最長的頁面,將其淘汰 最近最久未使用演算法 lru 當乙個缺頁中斷發生時,他太最久未使用的頁面 時鐘頁面置換演算法 lru的近似,fi...
推薦系統架構 推薦系統（1） 業界推薦系統架構
1.1業界主流推薦系統架構 業界推薦系統通用架構 1.2使用者本身資料 1.3物品本身資料 1.4使用者行為資料 2.1基於離線訓練的推薦系統架構設計 常用演算法 邏輯回歸 logistics regression 梯度提公升決策樹 gbdt 和因式分解 fm 架構設計 2.2面向深度學習的推薦系統...
推薦系統（1） 推薦系統概述
推薦系統是主動從大量資訊中找到使用者可能感興趣的資訊的工具。推薦系統的核心問題是如何實現推薦個性化 如何向使用者推薦匹配度高的產品 商品 或專案,本質是通過一定的方式將使用者和專案聯絡起來。自從xerox palo alto研究中心於1992年研發出了基於協同過濾的實驗系統tapestry以來 主要...