- 博客(9)
- 收藏
- 关注
RSS订阅原创 一种融合异构信息网络和评分矩阵的推荐新算法
《计算机研究与发展》2014年的文章 文章摘要：在当今的大数据时代，推荐系统是解决信息超载的有效手段．传统的协同过滤推荐系统仅仅使用用户－项目评分矩阵，而异构信息网络的出现为推荐系统更多地融合用户与项目信息提供了机遇。 1. 对推荐系统中的用户属性和项目属性建立异构信息网络 2. 首先使用基于元路径的相似度计算方法分别计算用户与项目的相似度矩阵； 3. 其次使用提出的３种将相似度矩阵与
2016-05-25 15:21:59
2775
原创 Mahout in Action 学习---基于物品的分布式推荐算法（Wikipedia数据集）
文字总结自《Mahout in Action》中文版第六章的内容1.1 数据集介绍Wikipedia数据集:一篇文章到另外一篇文章的链接。 可以将文章看作是用户，将该文章指向的文章视为该源文章所喜欢的物品。 类型：单向布尔型偏好。 相似性评估算法：LogLikelihoodSimilarity 关于LogLikelihoodSimilarity具体算法思想见： 对数似然比相似度 - xid
2016-05-10 11:03:03
1672
原创 上下文感知推荐系统
在推荐系统领域，人们往往只关注“用户-项目”之间的关联关系，而较少考虑它们所处的上下文环境（如时间、位置、周围人员、情绪、活动状态、网络条件等等）。但是在许多应用场景下，仅仅依靠"用户-项目"二元关系并不能生成有效推荐。例如，有的用户更喜欢在"早上"而不是"中午"被推荐合适的新闻信息；有的用户在不同的心情可能会希望被推荐不同类型的音乐。上下文感知推荐系统领域的几个主题推荐系统中的上下文建模技术;
2016-05-09 21:29:17
9124
4
转载 推荐系统经典论文文献及业界应用
推荐系统经典论文文献及业界应用列了一些之前设计开发百度关键词搜索推荐引擎时， 参考过的论文， 书籍， 以及调研过的推荐系统相关的工具；同时给出参加过及未参加过的业界推荐引擎应用交流资料（有我网盘的链接）， 材料组织方式参考了厂里部分同学的整理。因为推荐引擎不能算是一个独立学科，它与机器学习，数据挖掘有天然不可分的关系，所以同时列了一些这方面有用的工具及书籍，希望能对大家有所帮助
2016-04-25 15:20:20
4231
转载 推荐系统经典论文文献及业界应用
作者：百度关键词搜索推荐系统maker列了一些之前设计开发百度关键词搜索推荐引擎时， 参考过的论文， 书籍， 以及调研过的推荐系统相关的工具；同时给出参加过及未参加过的业界推荐引擎应用交流资料（有我网盘的链接）， 材料组织方式参考了厂里部分同学的整理。因为推荐引擎不能算是一个独立学科，它与机器学习，数据挖掘有天然不可分的关系，所以同时列了一些这方面有用的工具及书籍，希望能对大家有所帮助。Survey
2016-04-25 15:14:28
1154
原创 推荐系统论文总结
一种融合PageRank的协同过滤帖子推荐方法融合用户评论行为的PageRank算法来判断一个用户的重要性，然后将PageRank得分高的用户作为聚类中心计进行K-means聚类。然后通过协同过滤算法计算相似度，并结合用户的PageRank得分，选择与用户相关比较高的帖子作为推荐结果
2016-04-14 09:57:46
1277
原创 推荐算法入门
推荐算法大致可以分为以下几类基于流行度的算法协同过滤算法（user-based CF and item-based CF）基于内容的算法（content-based）基于模型的算法混合算法1. 基于流行度的算法可以按照一个项目的流行度进行排序，将最流行的项目推荐给用户。比如在微博推荐中，将最为流行的大V用户推荐给普通用户。微博每日都有最热门话题榜等等。 算法十分简单，通过简单热度排序即
2016-04-13 22:03:21
10653
2
原创 Hbase 安装
1.1下载HBase安装包从Apache网站上（hbase.apache.org）下载HBase稳定发布包:http://archive.apache.org/dist/hbase/ 在此，我下载的是hbase-0.94.16.tar.gz.要求与自己的hadoop 版本相匹配。1.2.上传HBase将下载的hbase-0.94.16.tar.gz放到ubuntu的桌面上，
2015-11-09 15:41:38
549
原创 MapReduce 学习日志之我的MapReduce程序学习
将一批电话通信清单，记录了用户A拨打用户B的记录，需要做一个倒排索引，记录拨打给用户B的所有用户A。如原有的txt 为： 首先，我们应该把源文件传到Hdfs上，然后将原始数据进行分割，将被叫作为KEY，主叫作为Value,将拨打相同被叫的主叫号码汇总起来输出到HDFS。程序如下：package com.xxs; import java.io.IOException;im
2015-11-03 21:42:48
481
空空如也
空空如也
TA创建的收藏夹 TA关注的收藏夹
TA关注的人