大数据存储与处理-推荐系统.pptxVIP

下载本文档

29
0
约小于1千字
约 78页
2017-09-09 发布于湖北
举报
版权申诉

大数据存储与处理-推荐系统.pptx

1、原创力文档（book118）网站文档一经付费（服务费），不意味着购买了该文档的版权，仅供个人/单位学习、研究之用，不得用于商业用途，未经授权，严禁复制、发行、汇编、翻译或者网络传播等，侵权必究。。
2、本站所有内容均由合作方或网友上传，本站不对文档的完整性、权威性及其观点立场正确性做任何保证或承诺！文档内容仅供研究参考，付费前请自行鉴别。如您付费，意味着您自己接受本站规则且自行承担风险，本站不退款、不进行额外附加服务；查看《如何避免下载的几个坑》。如果您已付费下载过本站文档，您可以点击这里二次下载。
3、如文档侵犯商业秘密、侵犯著作权、侵犯人身权等，请点击“版权申诉”（推荐），也可以打举报电话：400-050-0827(电话支持时间：9:00-18:30)。
4、该文档为VIP文档，如果想要下载，成为VIP会员后，下载免费。
5、成为VIP后，下载本文档将扣除1次下载权益。下载后，不支持退款、换文档。如有疑问请联系我们。
6、成为VIP后，您将拥有八大权益，权益包括：VIP文档下载权益、阅读免打扰、文档格式转换、高级专利检索、专属身份标志、高级客服、多端互通、版权登记。
7、VIP文档为合作方或网友上传，每下载1次，网站将根据用户上传文档的质量评分、类型等，对文档贡献者给予高额补贴、流量扶持。如果你也想贡献VIP文档。上传文档

大数据存储与处理-推荐系统

第九章推荐系统;;推荐系统模型;从稀缺到丰富：推荐的需求;Physical vs Online;推荐;推荐类型;严格模型;关键问题;评分的收集;效用的推断;基于内容的推荐系统;基于内容的推荐;推荐的过程;项模型 item profile;Recap：TF.IDF;用户模型User profiles;基于内容方法的优点;基于内容方法的缺点;协同过滤 collaborative filtering;协同过滤;相似的用户;缺失 = 否定？;评分预测;基于项目的协同过滤 Item-Item CF;;;;;;CF：基本操作;Item-Item vs User-User;CF的优缺点;混合方法;评估及实际问题;;;评估预测性能;错误测度的问题;CF：复杂度;潜在因素模型Latent factor models ;Netflix Prize ;The Netflix Utility Matrix R;Utility Matrix R: Evaluation;BellKor Recommender System;本地及全局特征的模型化;回顾：协同过滤CF;改进评分估计;插入权重值;如何确定插入权值;用最优化求解推荐问题;梯度下降法求解最优的w;;求解（学习）权值小结;LFM;LFM;评分 = Factor的乘积;评分 = Factor的乘积;Latent Factor Model;Latent Factor Model;回顾：SVD;LFM;Factor的数量;梯度下降;随机梯度下降;;随机梯度下降 SGD;;LFM中引入偏差因素;适应新模型;;;;;;;启示:增加数据;总结