7 小雷FansUnion

尚未进行身份认证

懂商业的技术合伙人。个人微信:FansUnion 微信订阅号:XiaoLeiFansUnion。

等级
TA的下载次数 95

Dubbo入门案例和项目源码

Dubbo入门案例和项目源码

2016-04-21

Java-Spring-WebService最基础的配置示例

Java-Spring-WebService最基础的配置示例.txt

2015-10-27

MongoDB权威指南中文版(高清).pdf

MongoDB权威指南中文版(高清).pdf 第1版

2015-10-12

Google_云计算三大论文中文版.pdf

Google_云计算三大论文中文版.pdf

2014-06-29

常用开源NoSQL原理与应用.ppt

常用开源NoSQL原理与应用.ppt

2014-06-29

JDK1.6中文API手册.CHM

JDK1.6中文API手册.CHM JDK1.6中文API手册.CHM ITFriend-IT从业者互动交流平台 http://www.itfriend.cn/ ITFriend-IT从业者互动交流平台 http://www.itfriend.cn/

2014-06-29

挑战程序设计竞赛(第2版) 高清完整版

挑战程序设计竞赛(第2版) 高清完整版

2014-06-29

ITFriend月刊-第1期-2014年6月.pdf

ITFriend月刊-第1期-2014年6月.pdf

2014-06-26

值得学习的100种网站推广方法大全

值得学习的100种网站推广方法大全

2014-06-16

在Java中使用脚本语言JavaScript

/** * 在Java中使用脚本语言JavaScript。 * * @author LeiWen@FansUnion.cn,http://FansUnion.cn, * http://blog.csdn.net/FansUnion * * QQ:240370818 参考资料:http://developer.51cto.com/art/201007/208812.htm * */

2014-01-07

推荐系统实践

推荐系统实践.pdf 第1 章 好的推荐系统....................................... 1 1.1 什么是推荐系统........................................... 1 1.2 个性化推荐系统的应用............................... 4 1.2.1 电子商务.......................................... 4 1.2.2 电影和视频网站............................... 8 1.2.3 个性化音乐网络电台..................... 10 1.2.4 社交网络........................................ 12 1.2.5 个性化阅读.................................... 15 1.2.6 基于位置的服务............................. 16 1.2.7 个性化邮件.................................... 17 1.2.8 个性化广告.................................... 18 1.3 推荐系统评测............................................ 19 1.3.1 推荐系统实验方法......................... 20 1.3.2 评测指标........................................ 23 1.3.3 评测维度........................................ 34 第2 章 利用用户行为数据............................. 35 2.1 用户行为数据简介..................................... 36 2.2 用户行为分析............................................ 39 2.2.1 用户活跃度和物品流行度的 分布................................................ 39 2.2.2 用户活跃度和物品流行度的 关系................................................ 41 2.3 实验设计和算法评测................................. 41 2.3.1 数据集............................................ 42 2.3.2 实验设计........................................ 42 2.3.3 评测指标........................................ 42 2.4 基于邻域的算法......................................... 44 2.4.1 基于用户的协同过滤算法............. 44 2.4.2 基于物品的协同过滤算法............. 51 2.4.3 UserCF 和ItemCF 的综合比较...... 59 2.5 隐语义模型................................................ 64 2.5.1 基础算法........................................ 64 2.5.2 基于LFM的实际系统的例子....... 70 2.5.3 LFM和基于邻域的方法的比较.... 72 2.6 基于图的模型............................................ 73 2.6.1 用户行为数据的二分图表示......... 73 2.6.2 基于图的推荐算法......................... 73 第3 章 推荐系统冷启动问题........................ 78 3.1 冷启动问题简介........................................ 78 3.2 利用用户注册信息..................................... 79 3.3 选择合适的物品启动用户的兴趣............. 85 3.4 利用物品的内容信息................................. 89 3.5 发挥专家的作用........................................ 94 第4 章 利用用户标签数据............................. 96 4.1 UGC 标签系统的代表应用....................... 97 4.1.1 Delicious ......................................... 97 4.1.2 CiteULike ....................................... 98 4.1.3 Last.fm............................................ 98 4.1.4 豆瓣................................................ 99 4.1.5 Hulu ................................................ 99 4.2 标签系统中的推荐问题........................... 100 4.2.1 用户为什么进行标注................... 100 4.2.2 用户如何打标签........................... 101 4.2.3 用户打什么样的标签................... 102 4.3 基于标签的推荐系统............................... 103 4.3.1 实验设置...................................... 104 4.3.2 一个最简单的算法....................... 105 4.3.3 算法的改进.................................. 107 4.3.4 基于图的推荐算法....................... 110 4.3.5 基于标签的推荐解释................... 112 4.4 给用户推荐标签...................................... 115 4.4.1 为什么要给用户推荐标签........... 115 图灵社区会员 臭豆腐(StinkBC@gmail.com) 专享 尊重版权 2 目 录 4.4.2 如何给用户推荐标签................... 115 4.4.3 实验设置...................................... 116 4.4.4 基于图的标签推荐算法............... 119 4.5 扩展阅读.................................................. 119 第5 章 利用上下文信息............................... 121 5.1 时间上下文信息...................................... 122 5.1.1 时间效应简介.............................. 122 5.1.2 时间效应举例.............................. 123 5.1.3 系统时间特性的分析................... 125 5.1.4 推荐系统的实时性....................... 127 5.1.5 推荐算法的时间多样性............... 128 5.1.6 时间上下文推荐算法................... 130 5.1.7 时间段图模型.............................. 134 5.1.8 离线实验...................................... 136 5.2 地点上下文信息...................................... 139 5.3 扩展阅读.................................................. 143 第6 章 利用社交网络数据........................... 144 6.1 获取社交网络数据的途径....................... 144 6.1.1 电子邮件...................................... 145 6.1.2 用户注册信息.............................. 146 6.1.3 用户的位置数据........................... 146 6.1.4 论坛和讨论组.............................. 146 6.1.5 即时聊天工具.............................. 147 6.1.6 社交网站...................................... 147 6.2 社交网络数据简介................................... 148 社交网络数据中的长尾分布................... 149 6.3 基于社交网络的推荐............................... 150 6.3.1 基于邻域的社会化推荐算法....... 151 6.3.2 基于图的社会化推荐算法........... 152 6.3.3 实际系统中的社会化推荐 算法.............................................. 153 6.3.4 社会化推荐系统和协同过滤 推荐系统...................................... 155 6.3.5 信息流推荐.................................. 156 6.4 给用户推荐好友...................................... 159 6.4.1 基于内容的匹配........................... 161 6.4.2 基于共同兴趣的好友推荐........... 161 6.4.3 基于社交网络图的好友推荐....... 161 6.4.4 基于用户调查的好友推荐算法 对比.............................................. 164 6.5 扩展阅读.................................................. 165 第7 章 推荐系统实例................................... 166 7.1 外围架构.................................................. 166 7.2 推荐系统架构.......................................... 167 7.3 推荐引擎的架构...................................... 171 7.3.1 生成用户特征向量....................... 172 7.3.2 特征物品相关推荐.................... 173 7.3.3 过滤模块...................................... 174 7.3.4 排名模块...................................... 174 7.4 扩展阅读.................................................. 178 第8 章 评分预测问题................................... 179 8.1 离线实验方法.......................................... 180 8.2 评分预测算法.......................................... 180 8.2.1 平均值.......................................... 180 8.2.2 基于邻域的方法........................... 184 8.2.3 隐语义模型与矩阵分解模型....... 186 8.2.4 加入时间信息.............................. 192 8.2.5 模型融合...................................... 193 8.2.6 Netflix Prize 的相关实验结果..... 195 后记....................................................................... 196

2013-12-27

百度Echarts示例-echarts-demo

百度Echarts示例-echarts-demo 折线图 Line 饼状图 Pie 柱状图 Bar 中国地图 ChinaMap

2013-11-29

BIEE11g培训资料 中文

01.BIEE 11G概览/02.BIEE 11G Dashbord/03.BIEE 11G Action Framework/04.BI Publisher/05.地图数据管理/06.故障与维护/07.BIEE安全性/08.Admintool高级功能/09.Essbase与BIEE集成

2013-11-25

Axure快速原型设计(第二版).pdf

Axure快速原型设计(第二版).pdf

2013-11-19

一份IT技术岗位简历模版.doc

一份IT技术岗位简历模版.doc

2013-11-09

查看更多

CSDN身份
  • 博客专家
勋章 我的勋章
  • 专栏达人
    专栏达人
    授予成功创建个人博客专栏的用户。专栏中添加五篇以上博文即可点亮!撰写博客专栏浓缩技术精华,专栏达人就是你!
  • 持之以恒
    持之以恒
    授予每个自然月内发布4篇或4篇以上原创或翻译IT博文的用户。不积跬步无以至千里,不积小流无以成江海,程序人生的精彩需要坚持不懈地积累!
  • 1024超级勋章
    1024超级勋章
    授予原创文章总数达到1024篇的博主,感谢你对CSDN社区的贡献,CSDN与你一起成长。
  • 勤写标兵Lv4
    勤写标兵Lv4
    授予每个自然周发布9篇以上(包括9篇)原创IT博文的用户。本勋章将于次周周三上午根据用户上周的博文发布情况由系统自动颁发。