我需要为一个网站制作推荐算法。我已经想出了一种非常简单的方法来实现这个目标,但是想知道是否有任何文献或类似的资源可以帮助我更好地了解其他示例是如何组合起来的。
我已经了解了 Apache Mahout 中的协同过滤、聚类和分类等功能,但不太清楚机器学习如何融入其中。我能够理解如何为上述内容制定算法(除了机器学习),但我想知道是否有其他可以加入到混合中的东西。
此外,你认为推荐算法的目的是什么?它最好如何运作?是否有人愿意分享定义?
谢谢!
我需要为一个网站制作推荐算法。我已经想出了一种非常简单的方法来实现这个目标,但是想知道是否有任何文献或类似的资源可以帮助我更好地了解其他示例是如何组合起来的。
我已经了解了 Apache Mahout 中的协同过滤、聚类和分类等功能,但不太清楚机器学习如何融入其中。我能够理解如何为上述内容制定算法(除了机器学习),但我想知道是否有其他可以加入到混合中的东西。
此外,你认为推荐算法的目的是什么?它最好如何运作?是否有人愿意分享定义?
谢谢!
现在有一门由明尼苏达大学的Joeseph Konstan教授讲授的优秀的Coursera推荐系统课程。他是该领域的先驱之一。这门课程是免费的,内容涵盖了推荐系统的基本分类,包括:
- Rating Systems
- Content Based Filters
- Collaborative Systems (User-user and Item-item)
- Dimensionality Reduction (SVD, its meaning, and how to compute it)
- Hybrid Systems
SVD是机器学习领域的一个重要部分,我认为这个课程对SVD进行的解释非常有条理和直观——在我看过的相关资料中,这个课程是最好的。
此外,它还展示了如何使用Lenskit(一款学术推荐系统工具包)创建实际应用系统。显然,我很喜欢这门课程,但我希望他们也能介绍贝叶斯方法。