本站首页    管理页面    写新日志    退出


«September 2025»
123456
78910111213
14151617181920
21222324252627
282930


公告
暂无公告...

我的分类(专题)

日志更新

最新评论

留言板

链接

Blog信息
blog名称:
日志总数:111
评论数量:190
留言数量:-24
访问次数:639408
建立时间:2007年4月21日




[推荐系统]个性化站点:Spotback.com
网上资源,  电脑与网络

赵勇 发表于 2007/11/21 11:35:23

个性化站点:Spotback.com 本文可以任意转载,转载时请务必以超链接形式标明文章 原始出处 与 版权信息。
http://www.guwendong.cn/post/2007/site_spotback_com.html 2007年11月17日 14:49:49 发布:guwendong


阅读全文(3418) | 回复(0) | 编辑 | 精华 | 删除
 


[推荐系统]个性化站点:MyFriendSuggests.com
网上资源,  电脑与网络

赵勇 发表于 2007/11/21 11:35:23

个性化站点:MyFriendSuggests.com 本文可以任意转载,转载时请务必以超链接形式标明文章 原始出处 与 版权信息。
http://www.guwendong.cn/post/2007/site_myfriendsuggests_com.html 2007年11月17日 11


阅读全文(1963) | 回复(0) | 编辑 | 精华 | 删除
 


[推荐系统]Netflix提供100万美元奖金奖励提高推荐算法10%的人
原创空间,  科学研究

赵勇 发表于 2007/5/22 11:09:27

  Netflix 是全球最大的网上DVD租赁公司,2006年10月提供了一个大奖:谁能设计出一个算法,使得其推荐精读比Netflix的推荐系统Cinematch的推荐精度好10%,就能获得100万美元。具体详情见Netflix Prize。根据规则

阅读全文(12382) | 回复(6) | 编辑 | 精华 | 删除
 


[推荐系统]Browsing and Recommendations
网上资源

赵勇 发表于 2007/4/23 10:15:50

Browsing and Recommendations   http://www.readwriteweb.com/archives/recommendation_engines.php
A good recommendation engine can make a difference not just for Netflix, but for any online business. This is because there are two fundamental activities online - Search and Browse. When a consumer knows exactly what she is looking for, she searches for it. But when she is not looking

阅读全文(2360) | 回复(1) | 编辑 | 精华 | 删除
 


[推荐系统]The Art, Science and Business of Recommendation Engines 【转帖】
网上资源

赵勇 发表于 2007/4/21 23:57:19

http://www.readwriteweb.com/archives/recommendation_engines.php In October last year, Netflix
阅读全文(1829) | 回复(0) | 编辑 | 精华 | 删除
 


[推荐系统]推荐系统:Recommender Systems 简介【转帖】
网上资源

赵勇 发表于 2007/4/21 23:51:33

推荐系统:Recommender Systems 简介 本文是关于推荐系统的系列研究文章之一,其他内容将陆续发布。这些内容,大多数来自我在2004年底完成的一篇项目方案建议书。放在这里,抛砖引玉,供大家讨论之用。
------------------------------------------------- 一、引言 Internet的迅猛发展将人类带入了信息社会和网络经济时代,对企业发展和个人生活都产生了深刻的影响。一方面,基于Internet的虚拟企 业不再需要像传统的物理环境下企业那样的实体投资,

阅读全文(1913) | 回复(0) | 编辑 | 精华 | 删除
 


[推荐系统]推荐系统:主要推荐方法 【转帖】
网上资源

赵勇 发表于 2007/4/21 23:50:38

推荐系统:主要推荐方法 本文是关于推荐系统的系列研究文章之一,其他内容将陆续发布。这些内容,大多数来自我在2004年底完成的一篇项目方案建议书。放在这里,抛砖引玉,供大家讨论之用。
------------------------------------------------- 在推荐系统简介中,我们给出了推荐系统的一般框架。很明显,推荐方法是整个推荐系统中最核心、最关键的部分,很大程度上决定了推荐系统性能的优劣。目前,主要的推荐方法包括:基于内容推荐、协同过滤推荐、基于关联规则推荐、基于效用推荐、基于知识推荐和组合

阅读全文(2207) | 回复(0) | 编辑 | 精华 | 删除
 


[推荐系统]推荐系统:协同过滤 之 User-based Collaborative Filtering 【转帖】
网上资源

赵勇 发表于 2007/4/21 23:47:03

协同过滤(Collaborative Filtering)技术,是推荐系统中应用最为广泛的技术之一。顾名思义,“Collaborative” 本身就已经说明了协同过滤算法的主要意思,它基于一组兴趣相同的用户进行推荐。协同过滤基于这样的假设:为用户找到他真正感兴趣的内容的好方法是,首先找他与他兴趣相似的用户,然后将这些用户感兴趣的内容推荐给此用户。这个基本思想是不是和现在颇为流行的“口碑传播(word-of-mouth)”有点儿类似?其实这个非常直观,相信大家都有体会,在现实生活里,对自己最有效的信息,往往是来自于朋友们的推荐。 协同过滤技术可以分为三类:基于用户(User-based)的协同过滤;基于项目(Item-based)的协同过滤;基于模型(Model-based)的协同过滤。这篇文章针对基于用户(User-based)的协同过滤技术。建立一个基于用户的协同过滤系统通常需要三个步骤。 步骤一,收集可以代表用户兴趣的信息。
阅读全文(1885) | 回复(0) | 编辑 | 精华 | 删除
 


[推荐系统]推荐系统:协同过滤 之 Item-based Collaborative Filtering 【转帖】
网上资源

赵勇 发表于 2007/4/21 23:42:24

说起 Item-based collaborative filtering,还有一段有意思的争论,是关于它的起源的。 GroupLens 研究小组的 Sarwar 教授等人,于2001年5月在香港召开的第 10 届 WWW 大会上,发表了题为《Item-based Collaborative Filtering Recommendation Algorithms》的 paper[1]。现在看

阅读全文(2817) | 回复(0) | 编辑 | 精华 | 删除
 


[推荐系统]推荐系统:Amazon、Pandora 和 Del.icio.us 【转帖】 
网上资源

赵勇 发表于 2007/4/21 23:34:01

  Alex Iskold 在 RWW 上发表了一篇文章,“The Art, Science and Business of Recommendation Engines”,这是一篇非常不错的关于“Recommender Systems”的文章,推荐大家一定阅读一下。由于Google,现在大家关注的热点是“Search”,但互联网不仅仅只是 Search,应该有更多,我们也需要更多。当我们知道自己要什么的时候,我们要做的是“Search”,比如我喜欢易中天的《品三国》,我可以 google 一下,看看它会给我些什么不一样的东西。这个时候,我的目的很明确,Search 围

阅读全文(2624) | 回复(0) | 编辑 | 精华 | 删除
 


« 1 2 »



站点首页 | 联系我们 | 博客注册 | 博客登陆

Sponsored By W3CHINA
W3CHINA Blog 0.8 Processed in 0.078 second(s), page refreshed 144801956 times.
《全国人大常委会关于维护互联网安全的决定》  《计算机信息网络国际联网安全保护管理办法》
苏ICP备05006046号