第8章Python推荐算法推荐系统的核心问题是为用户推荐与其兴趣相似度比较高的商品。此时,需要一个函数,函数可以计算候选商品与用户之间的相似度,并向用户推荐相似度较高的商品。为了能够预测出函数,可以利用到的历史数据主要有:用户的历史行为数据、与该用户相关的其他用户信息、商品之间的相似性、文本的描述等。假设集合C表示所有的用户,集合S表示所有需要推荐的商品。函数f表示商品x到用户c之间的有效性的效用函数,例如:其中,R是一个全体的排序集合。对于每一个用户,希望从商品的集合中选择出商品,即,以使得应用函数f的值最大。8.1协同过滤算法
您可能关注的文档
- 《机器学习与商务决策》课件 第01章 绪论.pptx
- 《机器学习与商务决策》课件 第02章 数据预处理与特殊工程.pptx
- 《机器学习与商务决策》课件 第03章 回归模型.pptx
- 《机器学习与商务决策》课件 第05章 集成算法.pptx
- 《机器学习与商务决策》课件 第07章 神经网络.pptx
- Python机器学习与应用案例 课件 1 机器学习的基础知识.pptx
- Python机器学习与应用案例 课件 2 Python近邻法.pptx
- Python机器学习与应用案例 课件 3 Pythono数据降维.pptx
- Python机器学习与应用案例 课件 4 Python分类算法.ppt
- Python机器学习与应用案例 课件 6 Python聚类算法.ppt
原创力文档

文档评论(0)