(推荐系统最基础的简介 .pptVIP

主要内容 什么是推荐系统（背景等）？ 推荐系统目前主要有哪些方法？ 推荐系统在进行推荐的时候每一步是怎么进行的？ 推荐系统的评价指标有哪些？ Evaluation only. Created with Aspose.Slides for .NET 3.5 Client Profile 5.2.0.0. Copyright 2004-2011 Aspose Pty Ltd. 推荐系统概要 背景： 互联网技术迅猛发展→信息爆炸→信息超载（信息利用率降低） 什么是推荐系统？ 通过建立用户与信息产品之间二元关系，利用已有的选择过程或相似性关系挖掘每个用户潜在感兴趣的对象，进而进行个性化推荐，其本质就是信息过滤。 一个完整的推荐系统由3个部分组成：收集用户信息的行为记录模块，分析用户喜好的模型分析模块和推荐算法模块。 Evaluation only. Created with Aspose.Slides for .NET 3.5 Client Profile 5.2.0.0. Copyright 2004-2011 Aspose Pty Ltd. 根据推荐算法的不同，推荐系统可以分为以下几类： ·协同过滤（collaborative filtering）系统； ·基于内容(content-based)的推荐系统； ·基于网络结构（network-based）的推荐系统； ·混合（hybrid）推荐系统； Evaluation only. Created with Aspose.Slides for .NET 3.5 Client Profile 5.2.0.0. Copyright 2004-2011 Aspose Pty Ltd. 协同过滤系统 ·核心思想： 1.利用用户的历史信息计算用户之间的相似性； 2.利用与目标用户相似性较高的邻居对其他产品的评价来预测目标用户对特定产品的喜好程度。系统根据这一喜好程度来对目标用户进行推荐 ·分类： ·基于记忆（memory-based）的算法 ·基于模型（model-based）的算法 Evaluation only. Created with Aspose.Slides for .NET 3.5 Client Profile 5.2.0.0. Copyright 2004-2011 Aspose Pty Ltd. 基于记忆的算法 计算用户评分： 设C= 为用户集合，S= 为所有的产品集合。 设 为用户c对产品s的打分（在协同过滤算法中，用户c对产品s的打分通过其他用户对s的打分计算而得到。） 设 为与用户c相似度比高的用户集 第一种：直接计算邻居打分的平均值 第二种：加权平均 （用户之间越相似，则用于预测的权重越大） Evaluation only. Created with Aspose.Slides for .NET 3.5 Client Profile 5.2.0.0. Copyright 2004-2011 Aspose Pty Ltd. 基于记忆的算法 第三种：考虑用户评判的尺度不同 k=1/ ,sim(i,j)表示用户之间的相似度。 用户c的平均打分 定义为 表示该用户打过的所有分的平均值。 Evaluation only. Created with Aspose.Slides for .NET 3.5 Client Profile 5.2.0.0. Copyright 2004-2011 Aspose Pty Ltd. 基于记忆的算法 ·用户之间相似度的计算： ·用户x与y之间的Pearson相关性: 用户x和y共同打过分的产品集合为： ·夹角余弦（用户x与y都用m维向量表示） Evaluation only. Created with Aspose.Slides fo