大数据存储与处理推荐系统.pptxVIP

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;La