概要： 推荐系统通过信息获取技术解决在线的个人的消息 产品或者服务的推荐问题。这些系统，特别是基于k临近协同过滤算法，在网络上取得了广泛的成功。可用信息和访问人数的巨大增加成了推荐系统一个难题。基于商品的协同过滤推荐算法应运而生，通过分析用户特征矩阵计算推荐信息。本文主要分析不同的基于商品的推荐算法，还会同k临近过滤算法比较，同时提供比现存最好的基于用户算法更好的算法。 一 协同过滤算法分类 协同 ...
2018-08-13 09:50 0 1024 推荐指数：
本文是我在阅读推荐系统经典论文 Item-Based Collaborative Filtering Recommendation Algorithms 时候记录的笔记。 协同过滤算法 协同过滤算法（collaborative filtering algorithm, CF）基于当前用户先前 ...
将word2vec思想拓展到序列item的2vec方法并运用到推荐系统中，实质上可以认为是一种cf 在word2vec中，doc中的word是具有序列关系的，优化目标类似在max对数似然函数 应用在item2vec上，可以有两种看待方式： （1）如果item是强时序关系 ...
ABSTRACT 主要点为用MLP来替换传统CF算法中的内积操作来表示用户和物品之间的交互关系. INTRODUCTION NeuCF设计了一个基于神经网络结构的CF模型.文章使用的数据 ...
前置点评： 这篇文章比较朴素，创新性不高，基本是参照了google的word2vec方法，应用到推荐场景的i2i相似度计算中，但实际效果看还有有提升的。主要做法是把item视为word，用户的行为序列视为一个集合，item间的共现为正样本，并按照item的频率分布进行负样本采样，缺点是相似度的计算 ...
User-based就是把与你有相同爱好的用户所喜欢的物品(并且你还没有评过分)推荐给你： Item-based则与之相反，把和你之前喜欢的物品近似的物品推荐给你： 原文：https://blog.csdn.net/zyj_2012/article/details ...
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）。 User-based的基本思想是如果用户A喜欢物品a，用户B喜欢物品a、b、c，用户C喜欢 ...
。于是，提出了一个新的推荐框架Neural Graph Collaborative Filtering ( ...
动机 本文是2022年WWW的一篇论文。用户与物品的交互通常由多种意图驱使，但是这些意图通常是潜在的，为了研究意图对序列推荐的作用，作者提出了一个通用范式ICL，它的核心思想是学习到用户的意图并通过 ...
