β_day2

软工实践

基于内容的推荐算法（Content-based ）

• 一个简单的基于内容的推荐算法
• 基于内容的推荐算法
• 基于内容的推荐（Content-based Recommendations）
• 推荐系统：基于内容的推荐

映射到我们的文章的话，可以参考的一个思路是，

假设有 600 篇文章，80 个用户

• 文章方面：

  • 确定若干个维度作为匹配相似度的依据，这其中，如果确定维度可以考虑依据所有文章的关键字热度（...）等
  • 这些维度（假定为 100 维）可以作为文章的属性，每篇文章可以对应一个 1*100 的矩阵（行向量），矩阵元素为 1 代表拥有对应的维度的信息。
  • 那么基于 600 篇文章，我们可以得到一个 600*100 的 01 矩阵MatrixA，$MatrixA_{i, j}$代表第i篇文章是否有第j维的属性

• 用户方面：

  • 每个用户也拥有一个 1*n 的矩阵，相应的，80 个用户构成了一个 80*100 的矩阵MatrixB，$MatrixB_{i,j}$代表第i个人是否拥有第j维的属性
  • 当用户阅读某一篇文章时（长时间阅读、收藏...），将文章对应矩阵的信息更新到该用户的矩阵信息中

• 推荐方面：

  • ？
  • （参考一个简单的基于内容的推荐算法，计算推荐依据）

协同过滤推荐算法

协同过滤算法，原理是用户喜欢那些具有相似兴趣的用户喜欢过的商品，比如你的朋友喜欢电影哈利波特I，那么就会推荐给你，这是最简单的基于用户的协同过滤算法（user-based collaboratIve filtering），还有一种是基于Item的协同过滤算法（item-based collaborative filtering），这两种方法都是将用户的所有数据读入到内存中进行运算的，因此成为Memory-based Collaborative Filtering，另一种则是Model-based collaborative filtering，包括Aspect Model，pLSA，LDA，聚类，SVD，Matrix Factorization等，这种方法训练过程比较长，但是训练完成后，推荐过程比较快。

• 简单易学的机器学习算法——协同过滤推荐算法(1)
• 基于用户的协同过滤推荐算法原理和实现
• 知乎-推荐算法有哪些？

......

最邻近法 && KNN && KD-Tree

• 最近邻法和k-近邻法 KD树

• K最近邻算法（KNN）

• 详解KDTree

• K-D树

• 迷路数据挖掘_阿里移动推荐算法比赛

莫名其妙学习了一波数据结构。。。