論文閱讀 - Item-Based Collaborative Filtering Recommendation Algorithms
本文是我在閱讀推薦系統經典論文 Item-Based Collaborative Filtering Recommendation Algorithms 時候記錄的筆記。 協同過濾算法 協同過濾算法（collaborative filtering algorithm, CF）基於當前用戶先前 ...
原文：閱讀筆記：Item-based Collaborative Filtering Recommendation Algorithms
概要： 推薦系統通過信息獲取技術解決在線的個人的消息 產品或者服務的推薦問題。這些系統，特別是基於k臨近協同過濾算法，在網絡上取得了廣泛的成功。可用信息和訪問人數的巨大增加成了推薦系統一個難題。基於商品的協同過濾推薦算法應運而生，通過分析用戶特征矩陣計算推薦信息。本文主要分析不同的基於商品的推薦算法，還會同k臨近過濾算法比較，同時提供比現存最好的基於用戶算法更好的算法。 一 協同過濾算法分類 協同 ...
2018-08-13 09:50 0 1024 推薦指數：
相關推薦
論文筆記-Item2Vec- Neural Item Embedding for Collaborative Filtering
將word2vec思想拓展到序列item的2vec方法並運用到推薦系統中，實質上可以認為是一種cf 在word2vec中，doc中的word是具有序列關系的，優化目標類似在max對數似然函數 應用在item2vec上，可以有兩種看待方式： （1）如果item是強時序關系 ...
論文筆記 : NCF( Neural Collaborative Filtering)
ABSTRACT 主要點為用MLP來替換傳統CF算法中的內積操作來表示用戶和物品之間的交互關系. INTRODUCTION NeuCF設計了一個基於神經網絡結構的CF模型.文章使用的數據 ...
DNN論文分享 - Item2vec: Neural Item Embedding for Collaborative Filtering
前置點評： 這篇文章比較朴素，創新性不高，基本是參照了google的word2vec方法，應用到推薦場景的i2i相似度計算中，但實際效果看還有有提升的。主要做法是把item視為word，用戶的行為序列視為一個集合，item間的共現為正樣本，並按照item的頻率分布進行負樣本采樣，缺點是相似度的計算 ...
協同過濾user-based CF算法與item-based CF算法對比
User-based就是把與你有相同愛好的用戶所喜歡的物品(並且你還沒有評過分)推薦給你： Item-based則與之相反，把和你之前喜歡的物品近似的物品推薦給你： 原文：https://blog.csdn.net/zyj_2012/article/details ...
協同過濾User-based算法與Item-based算法對比
CF算法分為兩大類，一類為基於memory的（Memory-based），也叫基於用戶的（User-based），另一類為基於Model的（Model-based），也叫基於物品的（Item-based）。 User-based的基本思想是如果用戶A喜歡物品a，用戶B喜歡物品a、b、c，用戶C喜歡 ...
論文筆記：Neural Graph Collaborative Filtering（SIGIR 2019）
。於是，提出了一個新的推薦框架Neural Graph Collaborative Filtering ( ...
Intent Contrastive Learning for Sequential Recommendation閱讀筆記
動機 本文是2022年WWW的一篇論文。用戶與物品的交互通常由多種意圖驅使，但是這些意圖通常是潛在的，為了研究意圖對序列推薦的作用，作者提出了一個通用范式ICL，它的核心思想是學習到用戶的意圖並通過 ...