新零售推荐系统从算法到应用.PDFVIP

下载本文档

1
0
约5.16千字
约 22页
2019-12-29 发布于天津
举报
版权申诉

新零售推荐系统从算法到应用.PDF

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

新零售推荐系统：从算法到应用尼奥 2018.05.26 目录 CO N T E N T S 1 推荐系统概述 2 新零售中的推荐 3 推荐算法的应用信息的价值信息的价值= （I ∗） I ：信息量 V ：信息传递速度 S：信息共享范围 http://policyhubscotland.co.uk/wp-content/uploads/2015/08/Data-Sharing-seminars-image-700.jpg 推荐系统概述 User User • 什么是推荐系统？ Item Item • Predict preference or User rating of an ‘item’ from a User Item user ——wiki Item • 千人千面 • 增加点击 • 发掘长尾 Item Item Item User 常见推荐系统应用场景社交平台电商平台影音平台资讯平台常用推荐算法 • 基于内容：历史记录 • 协同过滤 – 基于用户（资讯） – 基于物品（电商） • 关联规则：非监督学习 • 基于效用：关注点 • 基于知识：交互 /wp-content/uploads/2017/05/Collaborative-Filtering-min.png 协同过滤：UserCF与ItemCF UserCF：计算用户相似度需要维护用户信息矩阵新用