推薦系統讀書筆記(二)利用用戶行為數據
2.1 用戶行為數據簡介 顯性反饋行為：用戶明確表示對物品喜好的行為。評分、喜歡、不喜歡。 隱性反饋行為：不能明確反應用戶喜好的行為。比如頁面瀏覽。 ...
原文：推薦系統讀書筆記(五)利用上下文信息
上下文包括用戶訪問推薦系統的時間 地點 心情等。 . 時間上下文信息 . . 時間效應簡介 時間信息對用戶興趣的影響表現在以下幾個方面： .用戶興趣是變化：關注最近行為 .物品也是有生命周期的： .季節效應 . . 時間效應舉例 . . 系統時間特性的分析 包含時間信息的用戶行為數據集由一系列三元組構成，其中每個三元組 u,i,t 代表了用戶u在時刻t對物品i產生過行為。在給定數據集后，可以通過 ...
2016-01-29 17:33 0 1940 推薦指數：
相關推薦
推薦系統讀書筆記(一)好的推薦系統
1.1 什么是推薦系統 80/20原則：80%的銷售額來自於20%的熱門品牌 不熱門的商品數量極其龐大，這些長尾商品的總銷售額將是一個不可小覷的數字，也許會超過熱門商品帶來的銷售額。 主流商品代表了絕大多數用戶的需求，而長尾商品代表了一小部分用戶的個性化需求。 推薦系統 ...
推薦系統的評價指標 （推薦系統實踐讀書筆記）
什么是好的推薦系統： 一個完整的推薦系統包括三部分用戶，網站，內容提供方。 好的推薦系統設計，能夠讓推薦系統本身收集到高質量的用戶反饋，不斷完善推薦的質量，增加 用戶和網站的交互，提高網站的收入。因此在評測一個推薦算法時，需要同時考慮三方的利益， 一個好的推薦系統是能夠 ...
Pyramid Pooling Module (PPM)金字塔池化模型充分利用上下文信息
Pyramid scene parsing network. In Proc. CVPR, pages 2881–2890, 2017 目的：擴大感受野，盡可能的利用全局上下文信息（某種程度上，可以認為感受野大小可以認為是對上下文信息利用的程度）。 做法： 1. ...
請求上下文和應用上下文
請求上下文：request 和 session 用來獲取地址，請求方式，cookie等相關的工作 request:封裝了http請求的內容，針對的時http請求，舉例：user = request.args.get('user')，獲取的是get請求的參數。 session:用來記錄請求會話 ...
請求上下文和應用上下文
什么是上下文 上下文 : 相當於一個容器,保存了Flask程序運行過程中的一些信息.在計算機中,相對於進程而言,上下文就是進程執行時的環境. Flask中有兩種上下文:請求上下文和應用上下文 請求上下文(request contest) request,和session都是請求上下文對象 ...
推薦系統讀書筆記(三)推薦系統冷啟動問題
3.1 冷啟動問題簡介 主要分三類： 1.用戶冷啟動：如何給新用戶做個性化推薦。 2.物品冷啟動：如何將新的物品推薦給可能對它感興趣的用戶這一問題。 3.系統冷啟動：如何在一個新開發的網站上設計個性化推薦系統。 解決方案： 1.提供非個性化的推薦：熱門排行榜 ...
讀書筆記 |《推薦系統實踐》- 個性化推薦系統總結
推薦系統實踐 對於推薦系統，本文總結內容，如下圖所示： 推薦系統 ...