« | September 2025 | » | 日 | 一 | 二 | 三 | 四 | 五 | 六 | | 1 | 2 | 3 | 4 | 5 | 6 | 7 | 8 | 9 | 10 | 11 | 12 | 13 | 14 | 15 | 16 | 17 | 18 | 19 | 20 | 21 | 22 | 23 | 24 | 25 | 26 | 27 | 28 | 29 | 30 | | | | | |
| 公告 |
暂无公告... |
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
|
|
[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 |
|
[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 |
|
[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, |
|
[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 |
|
[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: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 |
|
|