课件技术cf原理与实现.pptxVIP

Collaborative Filtering 原理与实现;推荐引擎简介 协同过滤原理 Mahout协同过滤 实现过程12个阶段 命令行与参数;推荐引擎和搜索引擎相同点： 为用户更好地提供信息所求 推荐引擎和搜索引擎不同点： 获取信息的方式不同 工作原理不同 ;推荐引擎的工作方式;把整个系统看成一个黑盒 系统接收的数据源： （1）物品相关：关键字，基因描述 （2）用户信息：性别，年龄 （3）用户的偏好：显式与非显式信息 显式：用户的评分，评论等 非显式：用户的购买行为，查看记录等;（1）推荐引擎是不是为不同的用??推荐不同的数据 基于大众行为的推荐引擎和个性化推荐引擎 （2）根据推荐引擎的数据源 基于人口统计学的推荐 基于推荐物品或内容的元数据 基于协同过滤的推荐 （3）根据推荐模型的建立方式 基于物品和用户本身 基于关联规则的推荐 基于模型的推荐;基于人口的推荐： 首先，系统对每个用户都有一个用户 Profile 的建模，其中包括用户的基本信息，例如用户的年龄，性别等等； 然后，系统会根据用户的 Profile 计算用户的相似度，可以看到用户 A 的 Profile 和用户 C 一样，那么系统会认为用户 A 和 C 是相似用户，在推荐引擎中，可以称他们是“邻居”； 最后，基于“邻居”用户群的喜好推荐给当前用户一些物品，图中将用户 A 喜欢的物品 A 推荐给用户 C。 ; 基于内