博文
- Bayesian-inference Based Recommendation in Online Social...
- 本文介绍的是一个通用的基于贝叶斯网络的协同过滤算法，算法适用于社交网络类型的推荐系统 —— 用户之间有交互关系，如关注关系、好友关系。在这个用户关系基础上建立贝叶斯网络模型实现推荐。以电影推荐为例，如果要预测一个用户对某个电影的评分情况，可以向该用户的好友发送查询，根据好友的评分估计目前用户的评分 ...
- Signal-Based User Recommendation on Twitter
- 本文对用户建立了一个基于信号的模型（ signal-basedmodel ），并考虑了时间因素，用于计算用户之间的相似度。 计算用户间的相似度，以往的文献中主要从三个方面入手：基于内容的（ content-based ），基于关系的（ relation-based ）和基于标签的（ tag-based ）。本文的贡献在于，考虑了时间因素对相似度的影响。 ...
- 推荐系统最新paper搜罗
- 近期整理了一下，数据挖掘、信息检索的 A 类、 B 类会议上发布的有关推荐系统的 paper ，大部分是 2012 年、 2013 年的最新文章，还是挺多的，大概 80 篇左右，有助于了解和把握推荐系统最新动态。 先将文章列出： 【ACM RecSys 2009 Workshop】Improving recommendation accuracy by ...
- 个性化推荐算法的分类
- 早期的推荐系统文献中一般从所选取的角度和所采用的技术两个不同的维度对个性化推荐算法进行划分。从选取的角度不同，可以分为基于内容的算法、基于协同过滤的算法，以及混合式算法三大类。从具体技术实现的角度，可以分为基于内存（ memory-based ）的算法和基于模型（ model-based ）的算法两种形式 ...
- 个性化推荐算法
- 推荐问题的比较形式化的定义： 假设 C 是用户集合， S 是所有可能被推荐的条目的集合，那么我们可以在用户集合和条目集合的笛卡尔乘积之上定义一个效用函数 u ，来衡量条目 s 对用户 c 的有用程度，比如： ，其中 R 是一个良序集（例如一定范围内的实数或者非负整数），那么对于任意用户 ...
- 个性化推荐系统评价方法
- 这篇文章总结了常见的一些推荐系统的评价方法。 绝大多数的推荐系统都利用 准确度 评价推荐算法的好坏。假设用户可以考察所有产品的信息，并且可以根据自己对产品的偏好程度对产品进行排序，那么 准确度可以定义为推荐算法的预测排名与用户的实际排名的贴近度。 由于不同系统的任务是不一样的，而且评价指标缺乏标准化 ...
- 情感分析技术与应用
- 前一阵子在微博评论上做词项级的情感分析，手法十分简单，对评论中出现的词项，查找其在词典中的情感分级，然后对整个评论进行情感判定。最近查找了情感分析的相关文章。 根据情感分析（观点挖掘）的定义，其任务在于发现评论者对于特定产品的观点。人的决策过程受到思想领袖和普通大众共同营造而成的观点的影 ...
- 个性化推荐系统的研究进展
- 个性化推荐系统的研究进展 什么是个性化推荐？ 推荐问题从根本上说，就是代替用户评估他从未看过的产品，是一个从已知到未知的过程。个性化的含义是指针对用户的个人喜好， “ 有的放矢 ” 的推荐产品。 一个完整的推荐系统由 3 部分构成： 收集用户信息的行为记录模块 ， 分析用户喜好的模型分 ...
- Github
- Github 最近研究 github 版本控制系统，合作写代码做版本控制还是很有用的。 Github 是全球最大的社交编程及代码托管网站，冲着这个名头，也该学学怎么用。 暂时做个小结： 到 https://github.com/ 官网下载最新版本的 github 并安装 按照教程： http://wuyuans.com/2012/05/github-simpl ...
本页有 1 篇博文因作者的隐私设置或未通过审核而隐藏
