user-based

基于用户的协同过滤（user-based CF）推荐系统【2】

这一篇是紧跟着上一篇基于用户的协同过滤（user-basedCF）推荐系统【1】的，这一篇只是把计算相似度的方法换成了余弦相似度，当然最后计算评分的公式也就变了。下面只把有变化的那部分代码贴出来。直接替换到上一篇里面的代码就可以了。simpleCF.pypart1+=user_movie[u][m]*user_movie[n][m]*1.0 part2+=pow(user_movie[u][m],
u010454636·2016-07-07 11:00

[置顶] 基于用户的协同过滤（user-based CF）推荐系统【1】

最近开始学习推荐系统了，从最简单的协同过滤做起，做了一个基于用户的协同过滤推荐系统，然后参考了这一篇文章user-basedCF,里面的代码写的都还比较好懂，用了大量的dict（字典）来存数据，速度是快，但是也占用内存啊，是以空间换时间，代码写的很好，很有参考价值，我在这个的基础上，又给他加了一个用来计算该算法准确率和召回率的代码文件。我跑了一遍没啥问题。代码有几个要点要注意一下：该算法生成的是t
u010454636·2016-07-06 20:00

购物网站的推荐算法-个性化推荐算法中如何处理买了还推

1.引言目前在工业界推荐中广泛使用的协同过滤算法(CollaborativeFiltering)主要分为user-based和item-based两种类型，user-based多用于挖掘那些有共同兴趣的小团体
zhangcanyan·2016-07-04 19:00

关于互联网电子商务数据挖掘，推荐…

电子商务的数据挖掘&智能推荐的概述采用基于数据挖掘的算法来实现推荐引擎是各大电子商务网站、SNS社区最为常用的方法，推荐引擎常用Content-Based推荐算法及协同过滤算法（Item-Based、User-based
fanhuibin·2016-05-11 16:00

基于协同过滤，NMF和Baseline的推荐算法

推荐算法 协同过滤 矩阵分解目录[-]杂谈基于协同过滤的推荐算法User-based的推荐算法Item-based的推荐算法
winone361·2016-04-05 04:00

Top-N Recommendation——基于用户的推荐实验

主要目的是基于User-Based的思想来进行Top-10的相关电影推荐。二、Methodology本实验基于User-Based的思路，首
woshimalingyi·2016-03-04 12:00

皮尔森相关系数 之用户推荐的协同过滤推荐(Item-Based)

Item-Based和User-based区别http://www.gooseeker.com/cn/node/knowledgebase/colfiltering基于皮尔森相关系数的协同过滤算法http
zlr·2016-02-26 09:32

***基于协同过滤，NMF和Baseline的推荐算法

推荐算法 协同过滤 矩阵分解目录[-]杂谈基于协同过滤的推荐算法User-based的推荐算法Item-based的推荐
winone361·2016-02-20 23:00

推荐系统笔记三、基于近邻的推荐系统（进阶篇）

基于近邻的推荐算法大致可以分为user-based和item-based两类，关于近邻推荐算法的基础性介绍，请参见博文：“推荐系统笔记一、基于近邻的推荐系统（基础篇）”。
wangjian1204·2016-01-09 22:00

基于lucene实现自己的推荐引擎

采用基于数据挖掘的算法来实现推荐引擎是各大电子商务网站、SNS社区最为常用的方法，推荐引擎常用的Content-Based推荐算法及协同过滤算法（Item-Based、User-based）在电子商务推荐系统入门
mingtianhaiyouwo·2015-12-14 14:00

为豆瓣电影实现Item-based协同过滤的推荐系统

前面的两篇文章分别使用SparkmllibALS实现了Model-based协同过滤推荐系统和使用Mahout实现了User-based的协同过滤推荐系统。
·2015-12-03 03:00

为豆瓣电影实现User-based协同过滤的推荐系统

协同过滤（CollaborativeFiltering），简单来说是利用某兴趣相投、拥有共同经验之群体的喜好来推荐使用者感兴趣的信息，个人透过合作的机制给予信息相当程度的反馈（如评分）并记录下来以达到过滤的目的进而帮助别人筛选信息，反馈不一定局限于特别感兴趣的，特别不感兴趣信息的纪录也相当重要，比如浏览信息，收藏，分享，点击等。在前一篇文章使用SparkMLlib给豆瓣用户推荐电影中，在那篇文章我
·2015-12-02 05:00

mahout入门指南之基于mahout的itembased算法

比方推荐算法中Item-based和slopone都有hadoop实现和单机版实现，User-based没有分布式实现。
·2015-11-13 22:57

Taste 架构分析

Taste 实现了比较流行的个性化推荐算法: User-Based、Item-Based、Slope One 实现了 5 个著名的相似度计算算法： *EuclideanDistance(欧氏距离）*
·2015-11-12 17:36

协同过滤算法 R/mapreduce/spark mllib多语言实现

用户电影评分数据集下载http://grouplens.org/datasets/movielens/1)Item-Based,非个性化的，每个人看到的都一样2)User-Based，个性化的，每个人看到的不一样对用户的行为分析得到用户的喜好后
jethai·2015-11-05 15:07

协同过滤算法 R/mapreduce/spark mllib多语言实现

用户电影评分数据集下载http://grouplens.org/datasets/movielens/1)Item-Based,非个性化的，每个人看到的都一样2)User-Based，个性化的，每个人看到的不一样对用户的行为分析得到用户的喜好后
jethai·2015-11-05 15:07

Taste/Thoth：Taste Architecture 概览【转Beyond Search】

看图说话，下面就是一个 User-based Recommender 的例图，说明了各个组件之间的关系。
·2015-11-01 09:35

基于用户和项目协同过滤原理及实例

基于用户的协同过滤 基于用户（User-Based）的协同过滤算法首先要根据用户历史行为信息，寻找与新用户相似的其他用户；同时，根据这些相似用户对其他项的评价信息预测当前新用户可能喜欢的项。
·2015-10-31 09:34

协同过滤算法的几篇文章PFM/svd/ svd++

①基于邻域的方法利用“两个用户共同评分过的物品”(user-based)或者“共同评价两个物品的用户”（item-based）分别计算用户间的相似度和物品间的相似度。而相似度的计算有余弦相似度
winone361·2015-10-29 15:00

memory-based 协同过滤（CF）方法

协同过滤（collaborative filtering，CF）算法主要分为memory-based CF 和 model-based CF，而memory-based CF 包括user-based
·2015-10-28 08:53

Mahout in action 中文翻译

action 2.2 运行首个推荐引擎 博客分类：  Mahout in action Apache算法生活IDE Mahout包含一个推荐引擎的几种类型，事实上包含传统的基于用户（user-based
·2015-10-27 15:28

User-Based Collaborative Filtering

基于用户的协同过滤算法是最古老的一种推荐算法。早在1992年，施乐公司的PARC实验室（IT史上最具影响力的实验室之一）设计了Tapestry系统来进行邮件过滤，这也是协同过滤算法最早的应用；1994年的GroupLens项目是推荐系统的又一个里程碑，在该项目中使用了基于用户的协同过滤算法来进行新闻推荐。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

推荐算法

一.推荐系统的主要算法[1]   按照使用数据分：     1.协同过滤：User-based协同过滤；Item-based协同过滤；基于模型的协同过滤         2.基于内容的推荐：用户内容属性和物品内容属性
gdut2015go·2015-06-17 10:00

协同过滤Item-based算法实现电影推荐系统

协同过滤推荐算法分为预测过程和推荐过程，其包括Item-based算法和User-based算法，但经查阅相关资料发现User-based算法存在两个问题：1.数据的稀疏性：一个大型的电影推荐系统会有大量的电影信息
panjf2000·2015-04-16 22:00

Spark MLlib系列(二):基于协同过滤的电影推荐系统

使用到的算法是user-based协同过滤。如果对SparkMLlib不太了解的，请阅读我的上一篇博客。推荐
shifenglov·2015-02-13 16:00

[原]Spark MLlib系列(二):基于协同过滤的电影推荐系统

使用到的算法是user-based协同过滤。如果对SparkMLlib不太了解的，请阅读我的上一篇博客。推荐
shifenglov·2015-02-13 16:00

mahout入门指南之基于mahout的itembased算法

比如推荐算法中Item-based和slopone都有hadoop实现和单机版实现，User-based没有分布式实现。 
linger2012liu·2014-12-22 23:00

Mahout之算法实现一览表

Collaborative Filtering User-Based Collaborative Filtering - single machine Item-Based Collaborative
小网客·2014-07-30 16:00

Mahout之算法实现一览表

Collaborative Filtering User-Based Collaborative Filtering - single machine Item-Based Collaborative
小网客·2014-07-30 16:00

Mahout in Action 读书笔记chapter4 进行推荐

http://blog.csdn.net/feitongxunke​​这一章主要介绍：1.深入介绍item-based和user-based。2.介绍这两种算法背后的相似性度量。
feitongxunke·2014-07-11 22:00

Mahout in Action 读书笔记chapter2 推荐系统

http://blog.csdn.net/feitongxunke​1.推荐定义基于用户（user-based）：要找到你可能喜欢的物品，你可以观察与你志趣相投的人喜欢什么。
feitongxunke·2014-07-08 21:00

利用Solr完成向量乘以矩阵功能：以协同过滤算法ItemCF为例

协同过滤（collaborative filtering）是推荐系统中一类广泛使用的方法，协同过滤中两种比较出名的方法item-based CF、user-based CF。
lgnlgn·2014-06-01 13:00

协同过滤User-based算法与Item-based算法对比

CF算法分为两大类，一类为基于memory的（Memory-based），也叫基于用户的（User-based），另一类为基于Model的（Model-based），也叫基于物品的（Item-based
David Ls·2014-05-29 17:00

【推荐系统】协同过滤之基于用户的最近邻推荐

根据使用的方法不同，可以分为基于用户（user-based）、基于物品（item-based）的最近邻推荐。
lifehack·2014-05-24 00:00

【推荐系统】协同过滤之基于用户的最近邻推荐

根据使用的方法不同，可以分为基于用户（user-based）、基于物品（item-based）的最近邻推荐。
lifehack·2014-05-23 16:32

【推荐系统】协同过滤之基于用户的最近邻推荐

根据使用的方法不同，可以分为基于用户（user-based）、基于物品（item-based）的最近邻推荐。
lifehack·2014-05-23 16:00

【推荐系统】协同过滤之基于用户的最近邻推荐

根据使用的方法不同，可以分为基于用户（user-based）、基于物品（item-based）的最近邻推荐。
lifehack·2014-05-23 16:00

Item-based recommendation

User-based:Whoissimilartotheboy,andwhatdotheylike?Item-based: Whatissimilartowhattheboylikes? 
ylzhj02·2014-04-30 11:00

Exploring the user-based recommender 2( similarity metrics)

SampleData1,101,5.0 1,102,3.0 1,103,2.5 2,101,2.0 2,102,2.5 2,103,5.0 2,104,2.0 3,101,2.5 3,104,4.0 3,105,4.5 3,107,5.0 4,101,5.0 4,103,3.0 4,104,4.5 4,106,4.0 5,101,4.0 5,102,3.0 5,1
ylzhj02·2014-04-29 17:00

Exploring the user-based recommender 1

recommendingitemstosomeuser,denotedbyu,asseenbelow Itwouldbeterriblyslowtoexamineeveryitem.Inreality,aneighborhoodofmostsimilarusersiscomputedfirst,andonlyitemsknowntothoseusersareconsidered:  Thebasi
ylzhj02·2014-04-29 15:00

机器学习之基于协同过滤的推荐引擎

首先，我们先看一个例子：  协同过滤推荐算法主要分为基于用户（user-based)的协同过滤推荐算法和基于项目(item-based)的协同过滤推荐算法。其中基于用户的协同过滤推
maoersong·2014-03-26 22:00

[转]关联推荐功能实现

关联推荐介绍 关联推荐 包括 基于行为的推荐(user-based，相对来说困难些) 和 基于内容的推荐(item-based，相对来说简单些)。
whoisjackychen·2014-03-23 21:00

User-Based CF VS. Item-Based CF

１基于用户的协同过滤算法：基于用户的协同过滤算法是推荐系统中最古老的的算法，可以说是这个算法的诞生标志了推荐系统的诞生。该算法在1992年被提出，并应用于邮件过滤系统，1994年被GroupLens用于新闻过滤。在一个在线个性化推荐系统中，当一个用户A需要个性化推荐时，可以先找到和他有相似兴趣的其他用户，然后把那些用户喜欢的而用户A没有接触过的物品推荐给A。这种方法称为基于用户的协同过滤算法。给定
smile_zjw·2013-12-18 16:00

Unifying User-Based and Item-Based Collaborative Filtering Approaches by Similarity Function 译文与j...

本文翻译自：UnifyingUser-basedandItem-basedCollaborativeFilteringApproachesbySimilarityFusion http://www.cs.vu.nl/ishare/public/I-Share-P28v1.0.pdf 
吴文敏·2013-11-13 14:00

Mahout学习笔记（一）之collaborative filtering

collaborativefiltering的思想很简单，人们喜欢像自己的人喜欢的东西（人以类聚，user-based），人们喜欢像自己喜欢的东西的东西（item-based）物以群分。
谦谦君子·2013-09-09 18:00

mahout in action推荐系统阅读笔记（1）

前面的推荐叫user-based，后面的推荐叫item-based，它们都属于collaborativefiltering--协同过滤。
softwarehe·2013-03-06 13:00

推荐系统----豆瓣

www.cnblogs.com/breezedeus/系统看了一下豆瓣的几个推荐系统豆瓣图书推荐，这个是我一直觉得很不确定的地方，我感觉他们应该是用的item-basedcf，但是有时候又觉得吧，通过user-based
caoeryingzi·2012-11-16 14:10

XenServer虚拟机最佳实践

退出光驱的ISO镜像提高性能，减少设备扫描时间VDI碎片整理提高系统性能建议使用1VCPU大多数虚拟桌面应该仅分配一个vCPU，因为大多数user-based应用程序设计为单一线程，并不能从多CPU配置中获
shj19851229·2012-10-31 09:12

XenServer虚拟机最佳实践

退出光驱的ISO镜像提高性能，减少设备扫描时间VDI碎片整理提高系统性能建议使用1VCPU大多数虚拟桌面应该仅分配一个vCPU，因为大多数user-based应用程序设计为单一线程，并不能从多CPU配置中获
shj19851229·2012-10-31 09:12

百度知道推荐系统

算法没什么创新，但是思路独特的推荐系统，没用item-based,user-based，而是用ctr模型。想了想，其实我们现有的工作可以很容易搭建一个类似的模型出来。
caoeryingzi·2012-10-15 11:00
上一页 1 2 3 下一页
按字母分类： ABCDEFGHIJKLMNOPQRSTUVWXYZ其他