Skip to main content

moregeek program

「实操」结合图数据库、图算法、机器学习、gnn 实现一个推荐系统-多极客编程

本文是一个基于 NebulaGraph 上图算法、图数据库、机器学习、GNN 的推荐系统方法综述,大部分介绍的方法提供了 Playground 供大家学习。 基本概念 推荐系统诞生的初衷是解决互联网时代才面临的信息量过载问题,从最初的 Amazon 图书推荐、商品推荐,到电影、音乐、视频、新闻推荐,如今大多数网站、App 中都有至少一个基于推荐系统生成的供用户选择的物品列表界面。而这些物品的推荐

Read More

协同过滤算法代码(itemcf\usercf)_哇~的博客-多极客编程

基于物品的协同过滤算法:给用户推荐与他之前喜欢的物品相似的物品;基于用户的协同过滤算法:给用户推荐与他兴趣相似的用户喜欢的物品;实现协同过滤算法,大致几个关键步骤: 1:根据历史数据收集用户偏好2:过滤噪音3:计算相似度(​​余弦相似度计算​​、​​欧氏距离计算​​、Jaccard系数、皮尔森相关系数),根据特定的业务进行计算4:找到与目标最相邻的K个相似的用户(基于用户userCF)或物品(基于

Read More

一文带你了解推荐系统常用模型及框架_wx62e40d60030b6的博客-多极客编程

可以看KDD会议,最新推荐系统论文。推荐系统概述传统推荐模型Old school Model协同过滤模型通过对用户之间的关系,用户对物品的评价反馈一起对信息进行筛选过滤,从而找到目标用户感兴趣的信息。用户---商品的评分矩阵(该矩阵很可能是稀疏的)用户\物品xxxxxx行向量表示每个用户的喜好,列向量表明每个物品的属性基于评分矩阵(行列)计算相似度,以下是计算相似度的一些方法:余弦相似度皮尔逊相关

Read More

推荐系统-协同过滤在spark中的实现_vivo互联网技术的博客-多极客编程

作者:vivo 互联网服务器团队-Tang Shutao现如今推荐无处不在,例如抖音、淘宝、京东App均能见到推荐系统的身影,其背后涉及许多的技术。本文以经典的协同过滤为切入点,重点介绍了被工业界广泛使用的矩阵分解算法,从理论与实践两个维度介绍了该算法的原理,通俗易懂,希望能够给大家带来一些启发。笔者认为要彻底搞懂一篇论文,最好的方式就是动手复现它,复现的过程你会遇到各种各样的疑惑、理论细节。一、

Read More