第四章 Neighborhood |
您所在的位置:网站首页 › neighborhood是什么 › 第四章 Neighborhood |
第四章 Neighborhood-based
推荐方法综述
4.1 简介 4.1.1 问题定义 U---user集合 I---Item集合 R---Rating集合 S---Rating的取值集合 如:S=[0,5] S={加星,加垃圾桶} rui ----user u对 item i的评分 Ui ----- 对item i进行评分的集合 Iu ----- 被user u评分过的item的集合 Iuv ----- 被用户u和v都评价过的item集合 Uij ----- 对item i和j都给过评分的user集合 推荐系统中,最重要的两个问题: 推荐最好的item 和 Top-N个推荐。 问题一: 对于一个特定的用户u是否对一个新的item i感兴趣? 如果rating已知,则问题转化成回归或者分类问题,目标是学习一个模型: f: U×I →S 用来预测user u对item i的评分:f(u,i) 对于该模型的好坏有两种评级标准:MAE和RMSE 数据集R被分成了两部分:Rtrain 和Rtest Rtrain 用于训练模型,Rtest 用户评价模型的好坏
问题二,如果Rating是未知的,仅仅是一系列的items 被user购买,问题转化成为一个user推荐他可能感兴趣的items的一个列表,这种方法的评价标准是准确率和召回率,定义如下: 4.1.2 推荐方法综述 4.1.2.1 content-based方法 4.1.2.2 协同过滤方法 4.1.3 基于neighborhood的推荐方法优点 4.2 Neighborhood-based推荐方法 4.2.1 User-based 评分预测 4.2.2 User-based 分类 4.2.3 回归VS分类 4.2.4 Item-based 推荐 4.2.5 User-based VS Item-based 4.3 Neighborhood-based 推荐系统的构成 4.3.1 评分规范化(Rating Normalization) 4.3.2 相似度计算(Similarity Weight Computation) 4.3.3 邻居寻则(Neighborhood Selection) 4.4 高级技术(Advanced Tech) 4.4.1 矩阵降维 4.4.2 图模型(Graph-based Methods) 4.5 总结 |
今日新闻 |
推荐新闻 |
CopyRight 2018-2019 办公设备维修网 版权所有 豫ICP备15022753号-3 |