- 前言 在构建推荐系统的过程中，冷启动是我们要面临的一个很现实的问题，而除了加特征，加样本，加图谱，加规则，还有其他方法吗？ 以下是我为大家准备的几个精品专栏，喜欢的小伙伴可自行订阅，你的支持就是我不断更新的动力哟！ MATLAB-30天带你从入门... 前言 在构建推荐系统的过程中，冷启动是我们要面临的一个很现实的问题，而除了加特征，加样本，加图谱，加规则，还有其他方法吗？ 以下是我为大家准备的几个精品专栏，喜欢的小伙伴可自行订阅，你的支持就是我不断更新的动力哟！ MATLAB-30天带你从入门...
- 前言 本文介绍一下推荐系统的相关评测指标。推荐系统的数据指标分为两种。 （1）商业指标，即推荐系统的与最终交易额相关的指标。我们做推荐系统的目的是为了代替人工给用户推荐商品，提高效率，实现千人千面的用户体验，从而带来更多的交易额。商业指标包括曝光次数、商品的PV、商品的UV、商品支付人数、支付金额、支付件数，以及点击率（商品PV与曝... 前言 本文介绍一下推荐系统的相关评测指标。推荐系统的数据指标分为两种。 （1）商业指标，即推荐系统的与最终交易额相关的指标。我们做推荐系统的目的是为了代替人工给用户推荐商品，提高效率，实现千人千面的用户体验，从而带来更多的交易额。商业指标包括曝光次数、商品的PV、商品的UV、商品支付人数、支付金额、支付件数，以及点击率（商品PV与曝...
- 前言 所谓“物以类聚，人以群分”，基于用户的协同过滤算法就是基于这个原理来实现的。 你可能听过“啤酒与尿不湿”的故事：通过对一家超市的销售数据分析发现，有很多人在购买啤酒的同时又购买了尿不湿，这就是基于物品的协同过滤算法的案例。 读完本文你可以了解这两种算法的原理，并学会如何实现这两种算法。 &n... 前言 所谓“物以类聚，人以群分”，基于用户的协同过滤算法就是基于这个原理来实现的。 你可能听过“啤酒与尿不湿”的故事：通过对一家超市的销售数据分析发现，有很多人在购买啤酒的同时又购买了尿不湿，这就是基于物品的协同过滤算法的案例。 读完本文你可以了解这两种算法的原理，并学会如何实现这两种算法。 &n...
- 前言 在本文中，将详细介绍多种类型的推荐系统，具体介绍基于近邻算法的推荐引擎、个性化推荐引擎、基于模型的推荐系统和混合推荐引擎等，并分析介绍每种推荐系统的优缺点。 主要介绍的不同类型的推荐系统包括： 近邻算法推荐引擎：基于用户的协同过滤和基于项目的协同过滤； 个性化推荐引擎：基于内容的推荐引擎和情境感知推荐引擎； ... 前言 在本文中，将详细介绍多种类型的推荐系统，具体介绍基于近邻算法的推荐引擎、个性化推荐引擎、基于模型的推荐系统和混合推荐引擎等，并分析介绍每种推荐系统的优缺点。 主要介绍的不同类型的推荐系统包括： 近邻算法推荐引擎：基于用户的协同过滤和基于项目的协同过滤； 个性化推荐引擎：基于内容的推荐引擎和情境感知推荐引擎； ...
- 【推荐系统】⚠️手把手带你学推荐系统 2⚠️ 协同过滤 概述协同过滤基于用户的协同过滤基于物品的协同过滤 对比 概述 推荐系统 (Recommender System) 是一个信息过滤... 【推荐系统】⚠️手把手带你学推荐系统 2⚠️ 协同过滤 概述协同过滤基于用户的协同过滤基于物品的协同过滤 对比 概述 推荐系统 (Recommender System) 是一个信息过滤...
- 推荐系统评测 概述推荐系统的实验方法离线实验用户调查在线试验 评测指标用户满意度预测准确度评分预测TopN 推荐 概述 什么才是好的推荐系统? 这是推荐系统需要解决的首要问题... 推荐系统评测 概述推荐系统的实验方法离线实验用户调查在线试验 评测指标用户满意度预测准确度评分预测TopN 推荐 概述 什么才是好的推荐系统? 这是推荐系统需要解决的首要问题...
- 推荐系统 概述什么是推荐系统 工作原理个性化推荐系统的应用 概述 在研究图和涉及推荐系统之前, 了解上面是好的推荐系统至关重要. 什么是推荐系统 假设以下, 如果你想买牛肉干, 你... 推荐系统 概述什么是推荐系统 工作原理个性化推荐系统的应用 概述 在研究图和涉及推荐系统之前, 了解上面是好的推荐系统至关重要. 什么是推荐系统 假设以下, 如果你想买牛肉干, 你...
- 基于酒店文本描述来推荐相似酒店 import pandas as pd import numpy as np from nltk.corpus import stopwords from sklearn.metrics.pairwise import linear_kernel from sklearn.feature_extraction.text import C... 基于酒店文本描述来推荐相似酒店 import pandas as pd import numpy as np from nltk.corpus import stopwords from sklearn.metrics.pairwise import linear_kernel from sklearn.feature_extraction.text import C...
- 定义推荐系统 看一个预测电影评分的案例。 问题是：假设你在亚马逊工作，你需要让你的用户评价不同的电影。从0颗星到5颗星进行一个评定。前三部电影为爱情电影，后两部电影为动作电影 先看图中的列表，列表左侧表示电影的名称，这里我们可以看到一共有5部电影，和四个用户，这四个用户分别对这几部电影进行了一个评分，Alice非常喜欢前两部电影，他为前两部电影都打了满分5颗星... 定义推荐系统 看一个预测电影评分的案例。 问题是：假设你在亚马逊工作，你需要让你的用户评价不同的电影。从0颗星到5颗星进行一个评定。前三部电影为爱情电影，后两部电影为动作电影 先看图中的列表，列表左侧表示电影的名称，这里我们可以看到一共有5部电影，和四个用户，这四个用户分别对这几部电影进行了一个评分，Alice非常喜欢前两部电影，他为前两部电影都打了满分5颗星...
- 本代码应用movielens 的数据集，讲解如何利用深度学习构造推荐系统模型。推荐系统的目标函数有很多，比如推荐评分最高的，或者推荐点击率最高的等等。有时候我们还会兼顾推荐内容的多样性。在这里使用的是最根本的基于用户给内容打分的情形。这里的核心思想是对用户和内容建模，从而预测用户对未看过内容的打分。推荐系统进而会把预测的高分内容呈现给用户。 数据集下载链接 http... 本代码应用movielens 的数据集，讲解如何利用深度学习构造推荐系统模型。推荐系统的目标函数有很多，比如推荐评分最高的，或者推荐点击率最高的等等。有时候我们还会兼顾推荐内容的多样性。在这里使用的是最根本的基于用户给内容打分的情形。这里的核心思想是对用户和内容建模，从而预测用户对未看过内容的打分。推荐系统进而会把预测的高分内容呈现给用户。 数据集下载链接 http...
- 基于物品的协同过滤算法 目前业界应用最多的算法。 给用户推荐和他们之前喜欢的物品相似的物品。 其主要通过分析用户的行为记录计算物品之间的相似度。物品A和物品B具有很大的相似度是因为喜欢物品A的用户大都也喜欢物品B。 ItemCF 可利用用户的历史行为给推荐结果提供推荐解释。 ItemCF算法主要分为两步： 计算物品之间的相似度； 根据物品的相似度和用户... 基于物品的协同过滤算法 目前业界应用最多的算法。 给用户推荐和他们之前喜欢的物品相似的物品。 其主要通过分析用户的行为记录计算物品之间的相似度。物品A和物品B具有很大的相似度是因为喜欢物品A的用户大都也喜欢物品B。 ItemCF 可利用用户的历史行为给推荐结果提供推荐解释。 ItemCF算法主要分为两步： 计算物品之间的相似度； 根据物品的相似度和用户...
- 基于模型的协同过滤算法 本节介绍基于模型的协同过滤算法1在Top-N推荐中的应用。 核心思想是 通过隐含特征（latent factor）联系用户兴趣和物品 。 思路：对于某个用户，首先得到其兴趣分类，然后从分类中挑选其可能喜欢的物品。 上述基于兴趣分类的方法需要解决3个问题： 如何给物品进行分类？ 如何确定用户对哪些类的物品感兴趣，以及感兴趣的程度？ ... 基于模型的协同过滤算法 本节介绍基于模型的协同过滤算法1在Top-N推荐中的应用。 核心思想是 通过隐含特征（latent factor）联系用户兴趣和物品 。 思路：对于某个用户，首先得到其兴趣分类，然后从分类中挑选其可能喜欢的物品。 上述基于兴趣分类的方法需要解决3个问题： 如何给物品进行分类？ 如何确定用户对哪些类的物品感兴趣，以及感兴趣的程度？ ...
- 基于用户的协同过滤算法 基础算法 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没有听说过的物品推荐给A。这种方法称为基于用户的协同过滤算法。 主要包括两个步骤。 找到和目标用户兴趣相似的用户集合 利用行为的相似度计算兴趣的相似度。 给定用户 u u u 和用户 v v... 基于用户的协同过滤算法 基础算法 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没有听说过的物品推荐给A。这种方法称为基于用户的协同过滤算法。 主要包括两个步骤。 找到和目标用户兴趣相似的用户集合 利用行为的相似度计算兴趣的相似度。 给定用户 u u u 和用户 v v...
- 文章目录 推荐系统评测指标 用户满意度 预测准确度 覆盖率 多样性 新颖性 惊喜度（serendipity） 信任度 实时性 健壮性 商业目标 总结 评测维度 推荐系统评测指标 本节将介绍各种推荐系统的评测指标，可用于评价推荐系统各方面的性能。有些指标可以定量计算，有些只能定性描述，有的可通过离线实验计算，有的需通过用户调... 文章目录 推荐系统评测指标 用户满意度 预测准确度 覆盖率 多样性 新颖性 惊喜度（serendipity） 信任度 实时性 健壮性 商业目标 总结 评测维度 推荐系统评测指标 本节将介绍各种推荐系统的评测指标，可用于评价推荐系统各方面的性能。有些指标可以定量计算，有些只能定性描述，有的可通过离线实验计算，有的需通过用户调...
- 推荐系统冷启动问题 推荐系统需要根据用户的历史行为和兴趣预测用户未来的行为和兴趣，因此大量的用户行为数据就成为推荐系统的重要组成部分和先决条件。对于很多做纯粹推荐系统的网站，或者很多在开始阶段就希望有个性化推荐应用的网站来说，如何在没有大量用户数据的情况下设计个性化推荐系统并且让用户对推荐结果满意从而愿意使用推荐系统，这就是 冷启动（cold start） 的问题。 ... 推荐系统冷启动问题 推荐系统需要根据用户的历史行为和兴趣预测用户未来的行为和兴趣，因此大量的用户行为数据就成为推荐系统的重要组成部分和先决条件。对于很多做纯粹推荐系统的网站，或者很多在开始阶段就希望有个性化推荐应用的网站来说，如何在没有大量用户数据的情况下设计个性化推荐系统并且让用户对推荐结果满意从而愿意使用推荐系统，这就是 冷启动（cold start） 的问题。 ...
上滑加载中
推荐直播
-
HDC深度解读系列 - Serverless与MCP融合创新，构建AI应用全新智能中枢2025/08/20 周三 16:30-18:00
张昆鹏 HCDG北京核心组代表
HDC2025期间，华为云展示了Serverless与MCP融合创新的解决方案，本期访谈直播，由华为云开发者专家(HCDE)兼华为云开发者社区组织HCDG北京核心组代表张鹏先生主持，华为云PaaS服务产品部 Serverless总监Ewen为大家深度解读华为云Serverless与MCP如何融合构建AI应用全新智能中枢
回顾中 -
关于RISC-V生态发展的思考2025/09/02 周二 17:00-18:00
中国科学院计算技术研究所副所长包云岗教授
中科院包云岗老师将在本次直播中，探讨处理器生态的关键要素及其联系，分享过去几年推动RISC-V生态建设实践过程中的经验与教训。
回顾中 -
一键搞定华为云万级资源，3步轻松管理企业成本2025/09/09 周二 15:00-16:00
阿言 华为云交易产品经理
本直播重点介绍如何一键续费万级资源，3步轻松管理成本，帮助提升日常管理效率！
回顾中
热门标签