极客公园

已有8条回复我要回复

Medium 7b2dff442ac5d119fc0faec9956be012
194560·2013-10-10
这个标准很难量化啊
Medium 4a0b7a13e14810f1f5d2cf88110063e5
sunsetorz·2013-10-10
除了惊喜度以外,其他都有较好的量化方法,文中也提到了。
Medium 2d182fef26e93648fca05f63f827fd89
学习请加裙·2013-10-10
有谁想学习改变现状?家裙就好啊!希望认识更多有想法的朋友?裙151965110一个让你找到自信互相学习的地方、【创业课、销售课、管理课】这里颠覆你的传统思维!歪歪在线教育,;在创业者、要学习销售、管理、80-90请进
5
dazhong·2013-10-14
如何选择UserCF和ItemCF,这里给出的更像是一种感觉,因为反例很容易找到。如果说总体原则的话不如说根据User还是Item本身的属性维度来判断哪个更适合做相似性判断。在领域无关的推荐中其实还是要考虑领域有关的认知的
Medium f37b85ec6ac5d25c4e4655394816ff3d
浮休·2013-10-20
没太明白,但觉得说的很透彻
Medium 4fc6abdf6c068ba5f98627b61ad44710
Beta3·2015-03-18

没太明白,但觉得说的很透彻

Default avatar
极客漫游者·2015-08-06

谢谢分享,但是有个关于热门物品的问题,“协同过滤算法也有不少缺点,最明显的一个就是热门物品的干扰。”两个不同领域的热门物品之间怎么可能有高的相似度呢?因为是两个不同领域的物品,所以他们的交集用户肯定不会多,没有交集自然不能算相似度,所以距离不可能近?请解释

Medium a756a89590c37e2051d02d838d4a34b0
saintatgod·2015-12-14

基于物品的协同过滤的算法中,物品的浏览关注次数等等这些打分在计算的时候会占有很大权重。