2023-05-05 洗澡随笔
2023-05-05-洗澡随笔之基于协同过滤的推荐 联想事件匹配与数据库查询
基于物品的协同过滤:
通过物品的旧用户列表之间的交集计算物品之间的相似度,
根据用户对旧物品的兴趣值和物品与物品的相似度,
计算用户对新物品的兴趣值,
给用户推荐那些和他之前喜欢的物品类似的物品。
基于用户的协同过滤:
通过用户的旧物品列表之间的交集计算用户之间的相似度,
根据用户对旧物品的兴趣值和用户与用户之间的相似度,
计算用户对新物品的兴趣值,
给用户推荐那些和他一见如故的用户喜欢的物品。
数据库查询:
一个表有 r 个行代表 r 个物品,c 列值代表物品在 c 个属性上的取值
用户查询某个属性上的值等于 1、或大于 2023 的物品
事件匹配:
一个表有 u 个行代表 u 个用户,v 列区间代表用户对 v 个属性上的感兴趣区间
物品查询可以满足其提出的所有感兴趣区间的用户
基于物品的协同过滤:
通过物品的旧用户列表之间的交集计算物品之间的相似度,
根据用户对旧物品的兴趣值和物品与物品的相似度,
计算用户对新物品的兴趣值,
给用户推荐那些和他之前喜欢的物品类似的物品。
基于用户的协同过滤:
通过用户的旧物品列表之间的交集计算用户之间的相似度,
根据用户对旧物品的兴趣值和用户与用户之间的相似度,
计算用户对新物品的兴趣值,
给用户推荐那些和他一见如故的用户喜欢的物品。
数据库查询:
一个表有 r 个行代表 r 个物品,c 列值代表物品在 c 个属性上的取值
用户查询某个属性上的值等于 1、或大于 2023 的物品
事件匹配:
一个表有 u 个行代表 u 个用户,v 列区间代表用户对 v 个属性上的感兴趣区间
物品查询可以满足其提出的所有感兴趣区间的用户
全部评论
基于协同过滤的推荐算法很实用,但是如何解决冷启动问题呢?
推荐系统需要考虑用户的兴趣变化,但是如何在不打扰用户的情况下获取用户的反馈信息呢?
相关推荐
09-25 21:14
北京邮电大学 后端 点赞 评论 收藏
分享