-
基于懲罰因子的協(xié)同過濾算法的改進(jìn)與研究
摘 要 ：當(dāng)今時(shí)代，信息量呈爆炸式增長(zhǎng)，推薦系統(tǒng)是處理海量信息的一種有效方式，也是一種無需用戶提出明確需求就可幫助用戶快速發(fā)現(xiàn)有用信息的工具。在推薦系統(tǒng)中，協(xié)同過濾算法有著重要應(yīng)用。傳統(tǒng)協(xié)同過濾算法通常使用余弦相似度公式進(jìn)行興趣相似度計(jì)算，但是很多情況下熱門物品會(huì)影響到推薦結(jié)果，并不能較好地反映用戶需求。文中對(duì)傳統(tǒng)協(xié)同過濾算法余弦相似度計(jì)算公式提出改進(jìn)方案，給出一個(gè)帶有懲罰因子的余弦相似度修正公式，可以較好地抑制熱門物品對(duì)用戶實(shí)際相似度的影響，改善用戶近鄰集合的劃分，從而實(shí)現(xiàn)更好的推薦效果。經(jīng)實(shí)驗(yàn)測(cè)試，推薦系統(tǒng)的性能指標(biāo)得到了一定的改善。
-
協(xié)同過濾算法的研究
摘要：協(xié)同過濾算法已經(jīng)普遍地應(yīng)用于商業(yè)推薦系統(tǒng)中并且取得了巨大的成功。協(xié)同過濾算法可以分為基于用戶的算法和基于物品的算法兩大類，每一類中又包含多種適用性不同的算法。為了使推薦系統(tǒng)設(shè)計(jì)人員能夠更好地針對(duì)其系統(tǒng)用戶及物品的特征選擇有效的協(xié)同過濾算法，文中通過對(duì)比的方法，闡述了各種基于用戶和基于物品的協(xié)同過濾算法的實(shí)現(xiàn)方法及對(duì)應(yīng)的優(yōu)缺點(diǎn)。
-
騰訊音樂：全民K歌推薦系統(tǒng)架構(gòu)及粗排設(shè)計(jì)
騰訊音樂娛樂集團(tuán)?( TME?) 目前有四大移動(dòng)音樂產(chǎn)品：QQ音樂、酷狗音樂、酷我音樂和全民K歌，總月活超8億。
-
推薦系統(tǒng)解構(gòu)
由于移動(dòng)互聯(lián)網(wǎng)時(shí)代用戶每時(shí)每刻都會(huì)產(chǎn)生海量信息，伴隨著大數(shù)據(jù)技術(shù)的快速發(fā)展，使得企業(yè)能夠迎合用戶的痛點(diǎn)，分析用戶喜好，進(jìn)行商品推薦。
-
23張圖，帶你入門推薦系統(tǒng)
這篇文章屬于推薦系統(tǒng)的入門篇，目的是先了解清楚推薦系統(tǒng)的基本構(gòu)成。
