原创 融合主題模型和協同過濾的多樣化移動應用推薦
引用的資料：融合主題模型和協同過濾的多樣化移動應用推薦 提出了將用戶的主題模型和應用的主題模型與MF 相結合的LDA_MF 模型,以及將應用的標籤信息和用戶行爲數據同時加以考慮的LDA_CF 算法。提出了融合LDA_MF,LDA_CF 以
2018-08-21 21:59:04
2
原创 一種優化組合相似度的協同過濾推薦算法
陳曦, 成韻姿. 一種優化組合相似度的協同過濾推薦算法[J]. 計算機工程與科學, 2017, 39(1):180-187. （1）建立用戶一項目評分時間矩陣，根據用戶對共同評分項目的評分時間先後順序，計算用戶之問的影響力； 構建用戶一
2018-08-21 21:59:03
9
原创 結合用戶特徵分類和動態時間的協同過濾推薦
謝霖銓, 樑博羣. 結合用戶特徵分類和動態時間的協同過濾推薦, 2015年10月29日[J]. 計算機工程與應用, 2015. （1）根據用戶特徵信息建立用戶類別樹，並根據分類樹計算兩兩用戶間相似性 simf(u,v) ； L(
2018-08-21 21:59:03
1
原创 社交網絡環境下基於信任的推薦算法
社交網絡環境下基於信任的推薦算法 PMF 概率矩陣分解（借鑑：http://blog.csdn.net/shenxiaolu1984/article/details/50372909） - 基本思路 其核心思想是：用戶和電影之間的關
2018-08-21 21:58:52
2
原创 Attention+：一種基於關注關係與多用戶行爲的圖推薦算法
劉夢娟, 王巍, 李楊曦,等. AttentionRank~+:一種基於關注關係與多用戶行爲的圖推薦算法[J]. 計算機學報, 2017(3). 基於Random Walk的TSPR算法 該算法採用一階Markov-chain計算遊走 概
2018-08-21 21:58:52
原创 基於大數據的推薦算法研究（2）——改進相似度
孫遠帥. 基於大數據的推薦算法研究[D]. 廈門大學, 2014. 讀的一篇論文的總結（2） 常規相似度度量方法 在機器學習和數據挖掘領域，大多算法都是採用特徵提取力處根損用戶行爲數據或用戶項目內容數據爲用戶和項目分別創建一個向量模型
2018-08-21 21:58:52
6
原创 MapReduce
MapReduce是一種編程模型，主要應用於大規模數據集的並行運算。其將並行計算簡化爲Map和reduce過程，極大地方便了編程人員在不會分佈式並行編程的情況下,將自己的程序運行在分佈式系統上。 程序員只需要指定一個Map（映射）函數，
2018-08-21 21:58:52
3
原创 基於大數據的推薦算法研究（1）
孫遠帥. 基於大數據的推薦算法研究[D]. 廈門大學, 2014. 讀的一篇論文的總結 總覽 基於項目層次結構的推薦算法，並結合Hadoop技術實現矩陣分解算法。 改進均衡相似度的餘弦距離和皮爾遜相關係數的計算公式，避免計算目標用戶與
2018-08-21 21:58:51
3
原创 基於大數據的推薦算法研究（4）——矩陣分解並行化
孫遠帥. 基於大數據的推薦算法研究[D]. 廈門大學, 2014. 讀的一篇論文的總結（4） 矩陣分解的主要工作是利用分佈式編程技術將矩陣分解算法並行化。 矩陣分解算法 矩陣分解技術的目標是，對每個用戶和項目構建一個向量因子模型，由k
2018-08-21 21:58:51
14
原创 統計學習方法-李航（筆記整理）一
1、特點 統計學習以數據爲研究對象（數據驅動），以方法爲中心，目的是爲了對數據進行預測與分析。 2、方法 統計學習包括監督學習，非監督學習，半監督學習，強化學習。（以監督學習爲主進行介紹） 統計學習的方法包括模型的假設空間、模型選擇的準則
2018-08-21 21:58:51
原创 綜合用戶特徵及專家信任的協作過濾推薦算法
高發展, 黃夢醒, 張婷婷. 綜合用戶特徵及專家信任的協作過濾推薦算法[J]. 計算機科學, 2017, 44(2):103-106. 總結。 改進的混合推薦算法 混合推薦算法，即基於改進的用戶特徵及專家新人的協作過濾算法 基於用戶特
2018-08-21 21:58:51
5
原创 基於大數據的推薦算法研究（3）——層次結構
孫遠帥. 基於大數據的推薦算法研究[D]. 廈門大學, 2014. 讀的一篇論文的總結（3） 層次相似性 項目標籤的層次結構：項目標籤之間有時候會存在層次，例如一個歌手有很多專輯，一個專輯會有很多歌，這些歌可以屬於不同的音樂風格。
2018-08-21 21:58:51
2
原创 樸素貝葉斯法
樸素貝葉斯發是基於貝葉斯定理與特徵假設的分類方法。 對給定訓練數據集，首先基於特徵條件獨立假設學習輸入/輸出的聯合概率分佈；然後基於此模型，對給定的輸入x，利用貝葉斯定理求出後驗概率最大的輸出y 聯合概率分佈：先驗概率分佈P（Y=Ck）和
2018-08-21 21:58:50
原创 決策樹
統計學習方法 李航 第五章 決策樹學習通常包括3個步驟：特徵選取、決策樹生成和決策樹的修剪。 特徵選取 （1）信息增益：熵與條件熵的差值 熵：表示隨機變量的不確定性。 條件熵：在一個條件下，隨機變量的不確定性。 信息增益：在一個條件下
2018-08-21 21:58:49
1