推荐算法Slope One初探

7 sec read

Slope One 算法是由 Daniel Lemire 教授在 2005 年提出的一个 Item-Based 推荐算法。 Slope One 算法试图同时满足这样的的 5 个目标: 

  1. 易于实现和维护:普通工程师可以轻松解释所有的聚合数据,并且算法易于实现和测试。 
  2. 运行时可更新的:新增一个评分项,应该对预测结果即时产生影响。 
  3. 高效率的查询响应:快速的执行查询,可能需要付出更多的空间占用作为代价。 
  4. 对初次访问者要求少:对于一个评分项目很少的用户,也应该可以获得有效的推荐。 
  5. 合理的准确性:与最准确的方法相比,此方法应该是有竞争力的,准确性方面的微小增长不能以简单性和扩展性的大量牺牲为代价。

使用这个图可以简明扼要的说明一下 Slope One 算法。 

  1. User A 给 Item I 打分为 1;给 Item J 打分为 1.5。 
  2. Uesr B 给 Item I 打分为 2。 
  3. 问题是:User B 给 Item J 打分为多少? 
  4. 使用 Slope One 算法,答案是:2.5,2+(1.5-1)=2.5。 

Slope One 算法就是这么简单,详细的试验分析可以看这里“Slope One Predictors for Online Rating-Based Collaborative Filtering”。

打赏作者
微信支付标点符 wechat qrcode
支付宝标点符 alipay qrcode

C语言学习:size_t

在学习C语言的时候,遇到了一个新的数据类型size_t,截止目前也没有完全理清这个类似的具体场景及出现的原因。
44 sec read

C语言学习:main()函数的正确写法

C语言虽然是一门古老的语言,但是其标准一直在完善,所以很多以前支持的语法在到当前已经不能在使用了。 C语言的版
41 sec read

Scipy数学函数的Scala实现

最近在推进项目的时候,遇到需要将线下的Python代码转化成线上的集群代码,由于机器代码环境是Scala,所以
4 min read

发表评论

电子邮件地址不会被公开。 必填项已用*标注