lambda 架構介紹
推薦演算法架構
推薦模型構建流程
協同過濾思路介紹
相似度計算
使用不同相似度計算方式實現協同過濾
協同過濾 基於模型的演算法
推薦系統的評價
推薦系統的冷啟動
基於內容的推薦
基於內容的推薦 基於物品的協同過濾 區別
資訊過濾系統
推薦 搜尋區別
推薦和 web專案區別離線計算和實時計算共同提供服務的問題
離線計算優缺點
實時計算優缺點
離線計算的框架
實時計算的框架
訊息中介軟體
儲存相關召回排序
策略調整資料收集
特徵工程
訓練模型
評估、模型上線cf 物以類聚人以群分
做協同過濾的話 首先特徵工程把 使用者-物品的評分矩陣建立出來
基於使用者的協同過濾
基於物品的協同過濾余弦相似度、皮爾遜相關係數
傑卡德相似度如果 買/沒買 點/沒點資料 0/1 適合使用傑卡德相似度
基於使用者和基於物品的協同過濾 嚴格上說，屬於兩種演算法，實踐中可以都做出來，對比效果，選擇最靠譜的使用者-物品矩陣比較稀疏的時候 直接去取物品向量 使用者向量計算相似度 不太適合
基於模型的方法可以解決使用者-物品矩陣比較稀疏的問題
矩陣分解準確率 覆蓋率 ee
評估手段
使用者冷啟動
物品冷啟動
系統冷啟動給物品打標籤
利用標籤的文字 轉換成詞向量
利用詞向量 構建物品的向量
∑ (權
重∗詞向
量)
n\frac}
n∑(權重∗
詞向量)
通過物品向量計算相似度content_base ：詞向量->物品向量->計算相似度
item_based cf :user-item matrix->物品向量->相似度
content_base item_based cf 不一樣
ArcGIS座標系篇之座標系的相關概念（一）
座標系是gis軟體學習的重點和難點，地理資料的使用和處理也離不開座標系，但是大部分有多年工作經驗的同行對於座標系的理解和使用仍存在很多問題，除座標系本身涵蓋的內容較為廣泛，不易理解外，但同時大部分人自身也缺乏總結，現對座標系進行較為全面地總結，對座標系的理解 使用和存在的問題進行詳細地講解。座標系的...
推薦系統相關
目的 推薦相似物品，相似使用者。user based 1.計算使用者相似度，得到當前使用者的相似使用者。根據使用者對物品的偏好得到使用者向量，根據向量計算相似度。2.根據鄰居的相似度權重，把其他使用者的喜愛物品推薦給當前使用者。item based 1.計算物品相似度。將所有使用者對某個物品的偏好作...
推薦系統初概念
推薦系統分為協同過濾推薦 基於內容的推薦 基於知識的推薦 混合推薦方法。1.協同過濾推薦 由於選擇可能感興趣的書涉及從大量集合中過濾出最有希望的書，而且使用者是在隱式地與其他人相互協作，因此這種技術稱為協同過濾。協同方法背景下的常見問題如下 1.如何發現與我們要推薦的使用者有著相似偏好的使用者？2....