建企业网站 硬件,怎么查百度竞价关键词价格,做app网站的软件有哪些内容吗,公司备案查询网站备案文章目录流行的推荐系统通过3种方式联系用户兴趣和物品
#xff08;1#xff09;#xff1a;利用用户喜欢过的物品#xff0c;给用户推荐与他喜欢过的物品相似的物品#xff0c;这是基于物品的算法。 #xff08;2#xff09;#xff1a;利用和用户兴趣相似的其他用户…
文章目录流行的推荐系统通过3种方式联系用户兴趣和物品
1利用用户喜欢过的物品给用户推荐与他喜欢过的物品相似的物品这是基于物品的算法。 2利用和用户兴趣相似的其他用户给用户推荐那些和他们兴趣爱好相似的其他用户喜欢的物品这是基于用户的算法。 3通过一些特征feature联系用户和物品给用户推荐那些具有用户喜欢的特征的物品。 特征有不同的表现形式可以是物品的属性集合图书作者出版社、主题和关键词也可以表现为隐语义向量用户的行为历史还有种特征表现形式———-标签 标签的定义 标签是一种无层次化结构的、用来描述信息的关键词它可以用来 描述物品的语义。根据给物品打标签的人的不同标签应用一般分为两种一种是让作者或者专 家给物品打标签另一种是让普通用户给物品打标签也就是UGCUser Generated Content用 户生成的内容的标签应用。UGC的标签系统是一种表示用户兴趣和物品语义的重要方式。当一 个用户对一个物品打上一个标签这个标签一方面描述了用户的兴趣另一方面则表示了物品的 语义从而将用户和物品联系了起来 UGC:
普通用户给物品打标签也就是UGCUser Generated Content用 户生成的内容的标签应用。
一般用户会打什么样的标签呢
1表明物品是什么2表明物品的种类3表明谁拥有物品 4表达用户的观点5用户相关的标签6用户的任务 7类型8时间9人物 10地点11语言12奖项
一一个简单的标签算法
1 统计每个用户常用的标签 2对于每个标签统计被打过这个标签次数最多的物品 3对于一个用户首先找到他常用的标签然后找到具有这些标签的最热门物品推荐给这个用户。 python标签的推荐算法
但是上面的推荐算法并不是完美这里我们需要考虑到对热门标签和热门物品进行打压
可以改进下算法 借用TF-IDF的思想
标签的清理方法
1去除词频很高的停止词 2去除因词根不同造成的同义词 3去除因分隔符造成的同义词
二基于图的推荐算法
首先我们需要将用户打标签的行为表示到一张图上。我们知道图是由顶点、边和边上的 权重组成的。而在用户标签数据集上有3种不同的元素即用户、物品和标签。因此我们需 要定义3种不同的顶点即用户顶点、物品顶点和标签顶点。然后如果我们得到一个表示用户u 给物品i打了标签b的用户标签行为(u,i,b)那么最自然的想法就是在图中增加3条边首先需要在 用户u对应的顶点v(u)和物品i对应的顶点v(i)之间增加一条边如果这两个顶点已经有边相连那 么就应该将边的权重加1同理在v(u)和v(b)之间需要增加一条边v(i)和v(b)之间也需要边相 连接。 图4-11是一个简单的用户—物品—标签图的例子。该图包含3个用户A、B、C、3个物品a、 b、c和3个标签1、2、3。 在定义出用户—物品—标签图后我们可以用第2章提到的PersonalRank算法计算所有物品节点 相对于当前用户节点在图上的相关性然后按照相关性从大到小的排序给用户推荐排名最高的 N个物品。
三给用户推荐标签
给用户推荐标签的意义 1 方便用户输入 2 提高标签质量
这篇主要讲了使用标签进行推荐实际中的推荐系统更多是多种推荐的组合。
