推薦系統實戰第六章 | 利用社交網路資料
1、獲得社交網路資料的方式
1）電子郵件。電子郵箱的字尾，是都來自同乙個組織、公司等。
2）使用者註冊資訊。使用者在哪家公司工作、學習過等。**的社交網路資料。
3）使用者的位置資料。ip位址、gps資料
4）論壇和討論組。是否對同樣的事情感興趣。
5）即時聊天工具。
6）社交網路。社會圖譜和興趣圖譜。
2、社交網路資料簡介
社交網路資料型別
1）雙向確認的社交網路資料。
2）單項關注的社交網路資料。
3）基於社群的社交網路資料。豆瓣小組、**資料集、同一家公司工作、同一家學校畢業。
社交網路資料中的長尾分布
1）社交網路中影響力大的使用者佔少數
2）在乙個社交網路中，關注很多人的使用者佔少數，絕大多數使用者只關注很少的人。
3、基於社交網路的推薦
社會化推薦的優點
1）好友推薦可以增加推薦的信任度
2）社交網路可以解決冷啟動問題。
3.1 基於鄰域的社會化推薦演算法
3.2 基於圖的社會化推薦演算法
對實體之間的聯絡，進行圖形化的表示。對他們之間的關係，進行連線和權重分配。在利用基於圖的推薦演算法給使用者推薦物品。
3.3 實際系統中的社會化推薦演算法
基於鄰域的社會化推薦演算法需要反覆的計算和拉去資料庫，導致計算時間長，反應速度慢。
引用twitter的架構，搬到社會化推薦系統中，實現方式如下：
1）為每個使用者維護乙個訊息佇列，儲存他的推薦列表
2）使用者喜歡乙個物品時候，將（物品id、使用者id和時間）記錄寫入關注該使用者的推薦列表訊息佇列中
3）當使用者訪問推薦系統時，讀推薦列表訊息佇列，對於訊息佇列中的每個物品，重新計算物品的權重。權重的計算包括物品在佇列**現的次數，對應的使用者、熟悉程度和時間戳。同時，計算出每個物品被哪些好友喜歡過，用這些好友作為物品的推薦解釋。
3.4 社會化推薦系統和協同過濾推薦系統
在人群中做實驗比較了兩個演算法的表現，結論是沒有採取雙盲實驗，具體的應用需要做ab測驗，而且需要在實際應用中體會。
3.5 資訊流推薦
4、給使用者推薦好友
4.1 基於內容的匹配
常用的內容屬性
1）使用者人口統計學屬性，包括年齡、性別、職業、畢業學校和工作單位等
2）使用者的興趣，包括使用者喜歡的物品和發布過的言論等
3）使用者的位置資訊，包括使用者的住址、ip位址和郵編等
4.3基於社交網圖的好友推薦
社交分為有向社交和無向社交。分別為社交網路圖中使用者指向其他好友的集合，和社交網路圖中指向使用者的使用者的集合。具像化可以想象微博中的關注與被關注關係。
1）用關注共同好友比例計算兩個使用者之間的相似度
2）用被關注共同好友比例計算兩個使用者之間的相似度
3）融合關注與被關注：使用者u關注的使用者中，有多大比例也關注了使用者v。
離線實驗
史丹福大學的大規模網路資料集，有向圖。可以用於測試不同好友推薦演算法的效能。
9份訓練集，1份測試集。
用召回率和準確率為指標來衡量演算法的效能。
4.4 基於使用者調查的好友推薦演算法對比
實驗證明：
sona(利用大量使用者資訊建立了ibm員工之間的社交網路)>socialbased（基於社交網路，給使用者推薦好友的好友作為好友）> interest+social（融合interest和social）> interestbased（給使用者推薦和他興趣相似的使用者作為好友）
第六章 網路配置
路由器的工作原理 1 路由器接收來自它連線的某個 的資料。2 路由器將資料向上傳遞。3 路由器檢查ip頭部中的目的位址，如果目的位址位於發出資料的那個網路，那麼路由器就放下被認為已經達到目的地的資料。4 如果資料要送往另乙個網路，那麼路由器就查詢路由表，以確定資料要 到的目的地。5 路由器確定哪個介...
linuxC程式設計實戰 第六章
函式宣告 int atoi const char nptr 標頭檔案 include 函式說明 將字串轉換成整數.例如 atoi 777 這個函式怎麼這麼好用呢 以前竟然不知道 exit 0 正常執行程式並退出程式 exit 1 非正常執行程式導致程式退出 return 返回函式,若在非主函式中,則...
第六章 實戰篇
這一章講的是驅動程式開發步驟，從一開始我們都知道linux的驅動的工作方式是將每乙個驅動都對映成乙個檔案。這些檔案就是驅動檔案，都儲存在 dev目錄下。因此，我們做驅動開發程式，就可以通過與檔案進行互動了。編寫linux驅動程式的步驟應該分為一下幾大步 1 裝載和解除安裝linux驅動 2 註冊和登...