- 2
- 0
- 约2.37千字
- 约 24页
- 2026-03-08 发布于广西
- 举报
推荐算法综述
杨博赵鹏飞
机构:吉林大学
山西大学学报
主要推荐算法
1、协同过滤推荐算法
2、基于内容的推荐
5、推荐系统的评价准那么
3、基于图结构的推荐
4、混合推荐其他推荐算法
1
协同过滤推荐算法
用户-工程评分矩阵
User-itemratingmatrix
1
协同过滤推荐算法
1.1
基于记忆的推荐
1.基于用户(user-based)的推荐
根据余弦相似度计算用户间相似度
根据计算出来的相似度估计用户评分:〔2.5〕
1.1
基于记忆的推荐
2.基于工程(item-based)的推荐
根据余弦相似度计算工程间相似度
根据计算出来的相似度估计评分
1.2
基于模型的推荐
采用统计学、机器学习、数据挖掘等方法,根据用户历史数据建立模型,并产生合理推荐。
简单的评分模型:
1.2
基于模型的推荐
1.2
基于模型的推荐
1.基于朴素贝叶斯分类的推荐
朴素贝叶斯分类方法的前提是假设样本的各个属性相互独立
由朴素贝叶斯假设可得:
=
1.2
基于模型的推荐
2.基于线性回归的推荐
线性预测模型:
u=(x1,x2,…,xn)表示用户u对n个工程的评分
p=(a1,a2,…,an)表示评分系数、
m表示偏差
1.2
基于模型的推荐
3.基于马尔科夫决策过程MDP的推荐
借鉴强化学习(reinfo
原创力文档

文档评论(0)