UserCF

推荐系统初学者系列（1）-- 基于特征的推荐算法

七月在线下一篇：推荐系统初学者系列（2）--SVD奇异值分解目录文章目录1.推荐算法准确度度量公式：2.集合相似度度量公式(N维向量的距离度量公式)：2.1Jaccard公式：2.2余弦相似度公式：3.UserCF
bllddee·2018-04-21 10:06

推荐系统初学者系列（1）-- 基于特征的推荐算法

七月在线下一篇：推荐系统初学者系列（2）--SVD奇异值分解目录文章目录1.推荐算法准确度度量公式：2.集合相似度度量公式(N维向量的距离度量公式)：2.1Jaccard公式：2.2余弦相似度公式：3.UserCF
bllddee·2018-04-21 10:06

推荐系统系列之隐语义模型

基于UserCF(基于用户的协同过滤)，找到与他们偏好相似的用户，将相似用户偏好的书籍推荐给他们；基于ItemCF(基于物品的协同过滤)，找到与他们
visiontry·2018-01-29 02:29

Java编程实现基于用户的协同过滤推荐算法代码示例

协同过滤又可分为评比（rating）或者群体过滤（socialfiltering）协同过滤以其出色的速度和健壮性，在全球互联网领域炙手可热UserCF的核心
凯凯快乐飞·2017-11-27 14:15

ItemCF与UserCF协同过滤算法简单入门和一般过程

这是一篇简单的协同过滤算法简介协同过滤算法，对这个名词稍有了解就知道其应用范围之广，常见的淘宝、京东上的商品推荐，再比如网易云音乐的每日新歌推荐，都采用了基于协同过滤的思想。这个算法神奇之处和缺点本篇文章不过多讨论，这里仅介绍协同过滤的一般实现方法，想必也是应用派最为关注的问题。主要步骤，为以下几点：获取特征降噪归一化计算相似性筛选邻居构建相似矩阵实现推荐在详细介绍各个步骤之前，读者需要建立一个认
laotumingke·2017-09-24 14:40

推荐系统系列之隐语义模型

基于UserCF(基于用户的协同过滤)，找到与他们偏好相似的用户，将相似用户偏好的书籍推荐给他们；基于ItemCF(基于物品的协同过滤)，找到与他们
萌新之机器学习·2017-07-20 11:05

推荐系统-基于userCF推荐模型

时间：2017年5月出处：http://blog.csdn.net/csearch/article/details/71244282声明：版权所有，转载请联系作者并注明出1.UserCF原理基于用户的协同过滤推荐算法先使用统计技术寻找与目标用户有相同喜好的邻居
csearch·2017-05-05 21:17

[转载]机器学习->推荐系统->冷启动问题

原文地址:http://blog.csdn.net/mr_tyting/article/details/63684839我们之前讨论推荐系统的UserCF算法和ItemCF等算法都是以拥有大量用户行为数据为先决条件
Mavis_mh·2017-05-03 09:32

机器学习->推荐系统->利用用户标签数据

1）UserCF：给用户推荐和他们兴趣爱好相似的其他用户喜欢的物品。2)ItemCF：给用户推荐与他喜欢过的物品相似的物品。
村头陶员外·2017-03-24 13:42

spark做视频推荐

推荐系统最常用的是协同过滤算法，下面我们来分析下同过滤算法协同过滤算法可分为：1.基于用户的（UserCF）2.基于商品的(itemCF)3.基于模型的(ModelCF)按照模型可以分为1.最近邻模型：
qq_25104905·2016-08-28 15:23

自然语言工程师要求

任职要求： 1、熟悉常用的分类、聚类算法，如Bayes，SVM，KNN，K-means,DBSCAN等； 2、熟悉常用的推荐算法，如UserCF、ItemCF、SlopeOne等； 3、熟悉常用的特征抽取算法
hansongjiang·2016-07-08 17:00

基于邻域的协同过滤算法（三）

UserCF和ItemCF的综合比较  UserCF的推荐结果着重于反映和用户兴趣相似的小群体的特点，而ItemCF的推荐结果着重于维系用户的历史兴趣。
Apassionata·2016-07-04 19:54

基于邻域的协同过滤算法（二）

也就是说ItemCF需要计算物品之间的相似度，而不像UserCF去计算用户的相似度。
Apassionata·2016-07-02 17:13

推荐系统_LFM和基于邻域(如UserCF、ItemCF)的方法的比较

这个方法和基于邻域的方法（比如UserCF、ItemCF）相比，各有优缺点。下面将从不同的方面对比LFM和基于邻域的方法。      
u011263983·2016-05-30 16:00

推荐系统_itemCF和userCF

推荐系统的分类：基于应用领域分类：电子商务推荐，社交好友推荐，搜索引擎推荐，信息内容推荐基于设计思想：基于协同过滤的推荐，基于内容的推荐，基于知识的推荐，混合推荐基于使用何种数据：基于用户行为数据的推荐，基于用户标签的推荐，基于社交网络数据，基于上下文信息（时间上下文，地点上下文等等）协同过滤：协同过滤的基本思想（基于用户）：协同过滤一般是在海量的用户中发掘出一小部分和你品味比较类似的，在协同过滤
u011263983·2016-05-25 21:00

Mahout的相似性度量（相似度算法）

UserCF和ItemCF都依赖于相似度的计算，因为只有通过衡量用户之间或物品之间的相似度，才能找到用户的“邻居”，才能完成推荐。
qq_14926159·2016-05-10 14:00

协同过滤理论

基于用户的CF（UserCF）基于用户的CF的基本思想相当简单，基于用户对物品的偏好找到相邻邻居用户，然后将邻居用户喜欢的推荐给当前用户。
机器不学习_·2016-04-22 17:23

协同过滤理论

基于用户的CF（UserCF）基于用户的CF的基本思想相当简单，基于用户对物品的偏好找到相邻邻居用户，然后将邻居用户喜欢的推荐给当前用户。
madman188·2016-04-22 17:00

推荐算法学习笔记一

其中，基于内存的协同过滤推荐又可以分为基于用户的协同过滤推荐（UserCF）和基于物品的协同过滤推荐（ItemCF）。基于用户和基于物品的协同过滤推荐算法首先根据评分矩阵
sinat_22055459·2016-03-04 12:00

2016年2月计划1月总结

1月总结：进行的：1）、hive的书已看完2）、1月的31天应该跑了六七天步的样子吧，最近天特别冷，不敢跑（这算是借口吧……）3）、进行了推荐算法的学习，usercf,itemcf,频繁项集,分类推荐,
HarkLee·2016-02-01 14:00

Mahout(二)：相似性度量

UserCF和ItemCF都依赖于相似度的计算，因为只有通过衡量用户之间或物品之间的相似度，才能找到用户的“邻居”，才能完成推荐。
LZN51·2016-01-28 11:00

推荐算法之用户推荐（UserCF）和物品推荐（ItemCF）对比

一、定义 UserCF：推荐那些和他有共同兴趣爱好的用户喜欢的物品 ItemCF：推荐那些和他之前喜欢的物品类似的物品 根据用户推荐重点是反应和用户兴趣相似的小群体的热点，根据物品推荐着重与用户过去的历史兴趣
·2015-11-13 04:36

基于特征的推荐算法

余弦相似度公式： UserCF公式： 其中，S(u,k)表示和用户u兴趣最接近的K个用户
·2015-10-31 08:22

协同过滤及user-cf,item-cf在新闻应用中的优缺点。

usercf和itemcf都是基于此的usercf列是user，行是item。目的是计算用户之间的相似度，来填补图中item5的评分。找相似用皮尔逊相关系数，cosine等来计算相似度。
ddongjian0000·2015-10-29 00:00

User-Based Collaborative Filtering

基本算法UserCF是一种基于用户历史行为的推荐算法，它的基本思想如下：为了给用户A推荐物品，
天行剑·2015-09-29 16:47

Mahout推荐系统引擎UserCF中的IRStats部分源码解析

Mahout提供推荐系统引擎是模块化的，分为5个主要部分组成：1.数据模型2.相似度算法3.近邻算法4.推荐算法5.算法评分器今天好好看了看关于推荐算法以及算法评分部分的源码。以http://blog.csdn.net/jianjian1992/article/details/46582713里边数据的为例进行实验。整体流程的代码如下，依照上面的5个模块，看起来倒是很简单呀。publicstati
jianjian1992·2015-08-07 11:00

Mahout--（三）相似性度量

UserCF和ItemCF都依赖于相似度的计算，因为只有通过衡量用户之间或物品之间的相似度，才能找到用户的“邻居”，才能完成推荐。
u013147600·2015-07-16 15:00

Mahout推荐算法API详解

推荐算法，从数据处理能力上，可以划分为2类：单机内存算法实现基于Hadoop的分步式算法实现1).单机内存算法实现单机内存算法实现：就是在单机下运行的算法，是由cf.taste项目实现的，像我的们熟悉的UserCF
浪朗森·2015-06-01 13:00

数据挖掘算法之关联规则挖掘（一）apriori算法

+其他物品=多少￥而这些套餐就很有可能符合你的胃口，原本只想买一本书的你可能会因为这个推荐而买了整个套餐这与userCF和itemCF不同的是，前两种是推荐类似的，或者你可能喜欢的商品列表而关联规则挖掘的
qq1010885678·2015-04-23 22:00

ITEM CF

如下代码实现了上面的UserCF推荐算法：defRecommend(user,train,W):rank=dict()interacted_items=train[user]forv,
cywhoyi·2015-02-10 16:00

ITEM CF

如下代码实现了上面的UserCF推荐算法：defRecommend(user,train,W):rank=dict()interacted_items=train[user]forv,
cywhoyi·2015-02-10 16:00

【甘道夫】Mahout推荐算法编程实践

下文介绍基于Taste实现最常用的UserCF和ItemCF。本文不涉及UserCF和ItemCF算法的介绍，这方面网上资料很多，本文仅介绍如何基于Mahout编程实现。
u010967382·2014-09-10 17:00

【甘道夫】Mahout推荐算法编程实践

下文介绍基于Taste实现最常用的UserCF和ItemCF。本文不涉及UserCF和ItemCF算法的介绍，这方面网上资料很多，本文仅介绍如何基于Mahout编程实现。
u010967382·2014-09-10 17:00

mahout 常见机器学习算法及分类

最近一直在学习hadoop一直没有梳理接触到的东西，常见算法分类：推荐系统（推荐引擎）：基于用户的协同过滤算法UserCF   近邻算法，容易实现基于物品的协同过滤算法ItemCF   速度快，容易实现分布式计算
wfh45678·2014-09-03 14:25

mahout 常见机器学习算法及分类

最近一直在学习hadoop一直没有梳理接触到的东西，常见算法分类：推荐系统（推荐引擎）：基于用户的协同过滤算法UserCF近邻算法，容易实现基于物品的协同过滤算法ItemCF速度快，容易实现分布式计算SlopeOne
wfh45678·2014-09-03 14:25

用R解析Mahout用户推荐协同过滤算法(UserCF)

用R解析Mahout用户推荐协同过滤算法(UserCF)RHadoop实践系列文章，包含了R语言与Hadoop结合进行海量数据分析。
tao975·2014-07-16 10:45

用R解析Mahout用户推荐协同过滤算法(UserCF)

用R解析Mahout用户推荐协同过滤算法(UserCF)RHadoop实践系列文章，包含了R语言与Hadoop结合进行海量数据分析。
tao975·2014-07-16 10:45

Mahout实例（UserCF,ItermCF,SlopOne）

Mahout实例（UserCF,ItermCF,SlopOne）用web的形式实现了mahout中的三种基本算法，前参考博客：http://blog.csdn.net/zeqblog/article/details
nysyxxg·2014-07-13 20:00

基于用户和基于物品的协同过滤算法的比较

首先回顾一下，协同过滤算法主要有两种，一种是基于用户的协同过滤算法（UserCF），另一种是基于物品的协同过滤算法（ItemCF）。
wangyuquanliuli·2014-07-09 19:00

推荐算法总结Recommendation

  目前为止，我们常推荐算法有好多种，比较常见的有协同过滤（CollaborativeFilteringRecommendations）这个在Mahout里的ItemCF和UserCF比较常用，还有一种比较新的运行在
u014388509·2014-06-23 17:00

hadoop学习-Netflix电影推荐系统

推荐算法分类：按数据使用划分：协同过滤算法：UserCF,ItemCF,ModelCF基于内容的推荐:用户内容属性和物品内容属性社会化过滤：基于用户的社会网络关
wenyusuran·2014-05-22 09:00

用R解析Mahout用户推荐协同过滤算法(UserCF)

前言用R全面解析Mahout的基于用户推荐协同过滤算法(UserCF),改进的采用欧氏距离，并用R语言实现，与Mahout的结果进行对比。
wbj0110·2014-05-20 16:00

用R解析Mahout用户推荐协同过滤算法(UserCF)

前言用R全面解析Mahout的基于用户推荐协同过滤算法(UserCF),改进的采用欧氏距离，并用R语言实现，与Mahout的结果进行对比。
wbj0110·2014-05-20 16:00

用R解析Mahout用户推荐协同过滤算法(UserCF)

前言用R全面解析Mahout的基于用户推荐协同过滤算法(UserCF),改进的采用欧氏距离，并用R语言实现，与Mahout的结果进行对比。
wbj0110·2014-05-20 16:00

Mahout的相似性度量（相似度算法）

UserCF和ItemCF都依赖于相似度的计算，因为只有通过衡量用户之间或物品之间的相似度，才能找到用户的“邻居”，才能完成推荐。
wbj0110·2014-04-11 10:00

Mahout的相似性度量（相似度算法）

UserCF和ItemCF都依赖于相似度的计算，因为只有通过衡量用户之间或物品之间的相似度，才能找到用户的“邻居”，才能完成推荐。
wbj0110·2014-04-11 10:00

Mahout的相似性度量（相似度算法）

UserCF和ItemCF都依赖于相似度的计算，因为只有通过衡量用户之间或物品之间的相似度，才能找到用户的“邻居”，才能完成推荐。
wbj0110·2014-04-11 10:00

Mahout实例（UserCF,ItermCF,SlopOne）

一般，电影推荐系统测试数据来源：http://grouplens.org/datasets/movielens/ 最近，在研究数据挖掘中的推荐系统，很深奥，还专门买了一本《推荐系统实践》的书，里面讲解的还行吧，凑活！在网上也是看各种博客，各种资料！！自己也尝试了自己动手实现一下，但是比起Mahout开源项目中的算法效率，我写的效率很低，所以就决定使用Mahout了，虽然Mahout只是封装了一些基
zeq9069·2013-11-18 20:00

关于USERCF和ITEMCF的那点事

p=488关于USERCF和ITEMCF的那点事UserCF和ItemCF是协同过滤中最为古老的两种算法，在top-N的推荐上被广泛应用。
xceman1997·2013-07-31 13:00

个性化研究问题集

使用什么算法好，userCF，itemCF，还是其他？3.拿今日头条来说，它是如何确保今天推荐的是最新的新闻呢？爬取新闻的时间是不定时的吧？如何解决物品冷启动问题呢？
月毁星坠·2013-06-22 17:00
上一页 1 2 3 4 5 6 下一页
按字母分类： ABCDEFGHIJKLMNOPQRSTUVWXYZ其他