常見的請(qǐng)求方法有兩種：GET和POST GET和POST請(qǐng)求方法有如下區(qū)別： ①GET請(qǐng)求中的參數(shù)包含著URL里面，數(shù)據(jù)可以在URL中看到，而POST請(qǐng)求的URL不會(huì)包含這些...
發(fā)簡(jiǎn)信
IP屬地：湖南
-
2018-10-19——請(qǐng)求方法
-
2018-10-17——推薦系統(tǒng)架構(gòu)根據(jù)上面的抽象，可以設(shè)計(jì)一種基于特征的推薦系統(tǒng)架構(gòu)。當(dāng)用戶到來(lái)之后，推薦系統(tǒng)需要為用戶生成特征，然后對(duì)每個(gè)特征找到和特征相關(guān)的物品，從而最終生成用戶的推薦列表。因而，推薦系統(tǒng)...
-
2018-10-17——基于社交網(wǎng)絡(luò)圖的好友推薦對(duì)于用戶 u 和用戶 v ，我們可以用共同好友比例計(jì)算他們的相似度： 下面的代碼實(shí)現(xiàn)了這種相似度： w out(u,v) 公式中 out(u) 是在社交網(wǎng)絡(luò)圖中用戶 u 指向...
-
2018-10-17——基于領(lǐng)域的社會(huì)化推薦算法
我們想到的最簡(jiǎn)單算法是給用戶推薦好友喜歡的物品集合。即用戶 u 對(duì)物品 i 的興趣 p ui 可以通過如下公式計(jì)算。 其中 out(u) 是用戶 u 的好友集合，如果用戶 v...
-
2018-10-15——時(shí)間上下文推薦算法1.最近最熱門 給定時(shí)間T，物品i最近的流行度ni(T)可以定義為： 這里，α是時(shí)間衰減函數(shù)。 下面的python代碼實(shí)現(xiàn)了上面的計(jì)算公式： 2.時(shí)間上下文相關(guān)的ItemCF...
-
2018-10-04——選擇合適的物品啟動(dòng)用戶的興趣
首先，給定一群用戶，用這群用戶對(duì)物品評(píng)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較一致。令σu∈U ' 為用戶...
-
-
2018-10-03——用戶活躍度對(duì)物品相似度的影響活躍用戶對(duì)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(lái)修正物品相似度的計(jì)算公式： 為了避免相似度矩陣過于稠密，我們?cè)趯?shí)際計(jì)算中一般直接忽略過于稠密用戶的興趣列表，...
-
2018-09-25——基于物品的協(xié)同過濾算法基于物品的協(xié)同過濾算法主要分為兩步。 (1) 計(jì)算物品之間的相似度。 (2) 根據(jù)物品的相似度和用戶的歷史行為給用戶生成推薦列表 用下面的公式定義物品的相似度： 分母 |N(...
-
2018-09-24——基于用戶的協(xié)同過濾算法步驟 (1) 找到和目標(biāo)用戶興趣相似的用戶集合。 (2) 找到這個(gè)集合中的用戶喜歡的，且目標(biāo)用戶沒有聽說過的物品推薦給目標(biāo)用戶。 步驟 (1) 的關(guān)鍵就是計(jì)算兩個(gè)用戶的興趣...
-
2018-09-23——協(xié)同過濾算法離線實(shí)驗(yàn)實(shí)驗(yàn)設(shè)計(jì) 首先，將用戶行為數(shù)據(jù)集按照均勻分布隨機(jī)分成 M份（本章取 M =8 ），挑選一份作為測(cè)試集，將剩下的 M -1 份作為訓(xùn)練集。然后在訓(xùn)練集上建立用戶興趣模型，并在測(cè)...
-
2018-09-22
評(píng)分預(yù)測(cè) 評(píng)分預(yù)測(cè)的預(yù)測(cè)準(zhǔn)確度一般通過均方根誤差（RMSE）和平均絕對(duì)誤差（MAE）計(jì)算。對(duì)于 測(cè)試集中的一個(gè)用戶u和物品i，令r ui 是用戶u對(duì)物品i的實(shí)際評(píng)分，而 ? ...
-
2018-09-20——組織列表
使用方法 sort() 對(duì)列表進(jìn)行永久性排序 永久性地修改了列表元素的排列順序。 cars = ['bmw', 'audi', 'toyota', 'subaru'] ca...
-
2018-09-18——迭代
索引迭代 Python中，迭代永遠(yuǎn)是取出元素本身，而非元素的索引。 對(duì)于有序集合，元素確實(shí)是有索引的。有的時(shí)候，我們確實(shí)想在 for 循環(huán)中拿到索引，怎么辦？ 方法是使用en...
-
2018-09-18——切片
對(duì)list進(jìn)行切片 取前3個(gè)元素，用一行代碼就可以完成切片： >>> L[0:3] ['Adam', 'Lisa', 'Bart'] L[0:3]表示，從索引0開始取，直到索...
-
2018-09-17——訪問dict
d = { 'Adam': 95, 'Lisa': 85, 'Bart': 59 } 使用d[key]的形式來(lái)查找對(duì)應(yīng)的 value，這和 list 很像，不同之...
-
2018-09-17——從list刪除元素
用list的pop()方法刪除： >>> L = ['Adam', 'Lisa', 'Bart', 'Paul'] >>> L.pop() 'Paul' >>> print ...
-
2018-09-17——添加新元素
用 list 的append()方法，把新同學(xué)追加到 list 的末尾： >>> L = ['Adam', 'Lisa', 'Bart'] >>> L.append('Pau...