最新 | 最热门 | 最高评价

+0  为豆瓣电影实现Item-based协同过滤的推荐系统

Tag: 推荐系统 | 协同过滤,mahout | 大数据
鸟窝 发于 2016年03月28日 10:23 | 点击: 2067 | 展开摘要
前面的两篇文章分别使用Spark mllib ALS实现了Model-based协同过滤推荐系统和使用Mahout实现了User-based的协同过滤推荐系统。
我们再来回顾一下item-base CF算法的特点:

物品数明显小于用户数的场合,否则物品相似度矩阵计算代价很大

适合长尾物品丰富,用户个性化需求强的领域

对新用户友好,对新物品不友好,因为物品相似度矩阵不需要很强的实时性

利用用户历史行为做推荐解释,比较令用户信服

所以item-base挺适合做电影的推荐

查看全文: http://www.udpwork.com/item/14818.html

+0  为豆瓣电影实现User-based协同过滤的推荐系统

Tag: 推荐系统 | 协同过滤,mahout | 大数据
鸟窝 发于 2016年03月28日 10:22 | 点击: 1314 | 展开摘要
协同过滤(Collaborative Filtering),简单来说是利用某兴趣相投、拥有共同经验之群体的喜好来推荐使用者感兴趣的信息,个人透过合作的机制给予信息相当程度的反馈(如评分)并记录下来以达到过滤的目的进而帮助别人筛选信息,反馈不一定局限于特别感兴趣的,特别不感兴趣信息的纪录也相当重要,比如浏览信息,收藏,分享,点击等。

在前一篇文章 使用Spark MLlib给豆瓣用户推荐电影 中,在那篇文章我我介绍了使用Spark MLlib实现了model-based 的系

查看全文: http://www.udpwork.com/item/14815.html
|<<<1>>>| 一共1页, 2条记录