發(fā)簡信
IP屬地：湖南
-
2018-10-19——請求方法
常見的請求方法有兩種：GET和POST GET和POST請求方法有如下區(qū)別： ①GET請求中的參數(shù)包含著URL里面，數(shù)據(jù)可以在URL中看到，而P...
-
2018-10-17——推薦系統(tǒng)架構(gòu)根據(jù)上面的抽象，可以設(shè)計一種基于特征的推薦系統(tǒng)架構(gòu)。當(dāng)用戶到來之后，推薦系統(tǒng)需要為用戶生成特征，然后對每個特征找到和特征相關(guān)的物品，從而最終生成...
-
2018-10-17——基于社交網(wǎng)絡(luò)圖的好友推薦對于用戶 u 和用戶 v ，我們可以用共同好友比例計算他們的相似度： 下面的代碼實現(xiàn)了這種相似度： w out(u,v) 公式中 out(u) ...
-
2018-10-17——基于領(lǐng)域的社會化推薦算法
我們想到的最簡單算法是給用戶推薦好友喜歡的物品集合。即用戶 u 對物品 i 的興趣 p ui 可以通過如下公式計算。 其中 out(u) 是用戶...
-
2018-10-15——時間上下文推薦算法1.最近最熱門 給定時間T，物品i最近的流行度ni(T)可以定義為： 這里，α是時間衰減函數(shù)。 下面的python代碼實現(xiàn)了上面的計算公式： 2...
-
2018-10-04——選擇合適的物品啟動用戶的興趣
首先，給定一群用戶，用這群用戶對物品評分的方差度量這群用戶興趣的一致程度。如果方差很大，說明這一群用戶的興趣不太一致，反之則說明這群用戶的興趣比...
-
-
2018-10-03——物品相似度的歸一化
如果已經(jīng)得到了物品相似度矩陣 w ，那么可以用如下公式得到歸一化之后的相似度矩陣 w' ：
-
2018-10-03——用戶活躍度對物品相似度的影響活躍用戶對物品相似度的貢獻(xiàn)應(yīng)該小于不活躍的用戶，增加 IUF參數(shù)來修正物品相似度的計算公式： 為了避免相似度矩陣過于稠密，我們在實際計算中一般直...