「私はみんなに助けはなく、共有、巨大な牛の人工知能のコースにできなかったつまずいた。チュートリアルは、フィクションを見ているよう、ゼロベース、ユーザーフレンドリーな、と非常にユーモラスなだけではない！そう他の人に、あまりにも悪いと思います。チュートリアルにジャンプするにはこちらをクリックしてください。」
現在のところ、単一の独立した推薦システムのアルゴリズムから推薦システムに基づいて、研究の主な傾向は徐々にユーザータグデータ、ソーシャルネットワークデータ、コンテキストの増加と組み合わされ、推薦アルゴリズム開発の種々の組み合わせにハイブリッド推薦アルゴリズムの方向を統合します情報、位置情報。推奨グループは、現時点では非常にホットな話題となっています。そして、このようなファジィ集合、人工知能、ベイジアンネットワークの分野における遺伝的アルゴリズムの概念としてフィールドに推薦アルゴリズムシステムの一部も使用外、。もちろん、いくつかの研究は常に、このようなコンテンツベースフィルタリングなど、古典的、伝統的な掘るさがあり、協調フィルタリングアルゴリズムは、アルゴリズムを改善することができます。
インターネット上の多くのデータ配信、すべての使用頻度ロングテール分布しているほとんどのデータのは非常に低く、データのほんの一部が広く使用され、データのこの小さな部分は実際には一般的なデータであるが、データは、人気と不人気のデータを使用している場合比較のための量は、あなたが人気の利用状況データがホットデータの量よりもはるかに大きいでしょう、おそらく人々は反対のことを考えて、これは結論付けた統計解析の長い期間の後です。ユーザー行動データにかかわらず、物品の観点、あるいはユーザの視点のユーザーの人気から、物品の人気のロングテール分布に沿ったもので、法律に沿ったもので、実際にあります。
概要推薦システムのアルゴリズム
研究推薦システムは、3つのフェーズに分けることができ、最初の伝統的なサービスに基づいて、第2段階は、現在のソーシャル・ネットワーキング・サービスに基づいて、3段目は、今後の事です。それは、このような推薦アルゴリズムに基づいて（ユーザーにアイテムをベースにしたものを含む）協調フィルタリング、などの基本的かつ重要なアルゴリズムの多くを生成し、ハイブリッド推薦アルゴリズムコンテンツベースの推薦アルゴリズム統計理論に基づくソーシャルネットワークの情報（注意フィルタリングアルゴリズムの、注意、信頼、可視性、信頼性、など）、コミュニティの推薦アルゴリズム、ロケーションベースの推薦アルゴリズム。これは近所に基づく協調フィルタリング推薦アルゴリズムは、推奨システムで最も基本的な、最も中心的な、最も重要なアルゴリズムだけでなく学界ではなく、業界では、より詳細な調査を取得されても非常に広く近所に基づいて、使用されていますアルゴリズムは、1つはユーザベースの協調フィルタリングアルゴリズムである、2つのカテゴリに分類され、それが3未満であろうように、他の推奨アルゴリズム品に基づい加えてアイテムに基づいて協調フィルタリングアルゴリズムは、非常に広いもです基本的なアルゴリズムの種類が詳細に記載されています。
ユーザー協調フィルタリングアルゴリズムに基づいて、
協調フィルタリングアルゴリズムに基づいて、ユーザーと呼ばれ、その簡単なアプリケーションのシナリオは次のとおりです。ユーザーはパーソナライズされた推薦を必要とするとき、あなたは興味、趣味や行動の習慣によって（他のユーザーに似ている彼と一緒に見つけることができる、と彼らは知らないような、次にそれらのユーザーユーザーにお勧めのアイテム。
注：人気のある商品に同じような興味を持つ2人のユーザーが、彼らは同じような興味を持って罰を高めるために、この時間を意味するものではありません。
記事に基づく協調フィルタリングアルゴリズム
短いアイテムのための協調フィルタリングアルゴリズムに基づいて、その簡単なアプリケーションのシナリオは次のとおりです。ユーザーはパーソナライズされた勧告を必要とするとき、例えば、彼は「悪をお勧めしますので、彼は、金庸「伝説コンドルの英雄の」本を買った前ので、 「ので、他のユーザーの多くは、2冊の本を購入しています。
注：それは人気のある商品であれば1、それのような多くの人々は、それが1に近くなり、それが人気のアイテムとアイテムの多くは、罰を高めるために、この時間に類似している原因となります。
図2は、アクティブユーザの寄与は、商品非アクティブユーザの類似度未満です。
コンテンツベースの推薦アルゴリズム
より人気協調フィルタリング推薦アルゴリズムですが、学界と産業界に広範な研究と使用を持っていますが、コンテンツを推薦する推薦システムに基づいて、一つのフィールド1と同じアルゴリズムの基礎も非常に重要ですそれは早いですその他の推奨アルゴリズム。基本的な原理は、ユーザーの前にアイテムの歴史的行動に基づいています（ユーザーがどのようなアイテムを購入したなどとして、オブジェクトのどのような集まりすぎ、定格など、これらのアイテム同様の記事の計算によると、ユーザーにそれらをお勧めしています。たとえば、 JinyongミまたはWuxiaミかもしれユーザーを説明することができ、ユーザーの前に買った金庸の小説は、我々はユーザーに金庸の他のいくつかの武術小説をお勧めすることができます。内容に基づいて推薦アルゴリズムは、コンテンツベースのフィルタリング（検索になっています前に、情報検索および情報の初期スルーで使用される）アルゴリズム
コンテンツベースの推薦アルゴリズムは、一般的に次の3つのステップが含まれています。
図1に示すように、各項目について抽出された特徴のいくつかは、物品ことを示します。
2、ユーザーの過去の行動データの分析を使用すると、これらの項目の特徴、およびユーザの好みや利益の特徴を学習します。
図3は、工程で得られるユーザの関心と特性を比較することにより、推薦リスト項目として最大相関のセットを決定する、アイテムを推奨しました。
対照的アルゴリズムに基づく推薦システム
UserCFがUserCFであることを、より多くの社会化をお勧めしますのでItemCFは、彼の前のお気に入り項目の項目と同様のユーザーに推奨され、同様にその項目のユーザーと自分の相互の関心を推奨するユーザーのためにある、お勧めのアイテムは、ユーザーの興味と一致していますアイテムのほとんどは独自の利益を満たすために推奨されているので、人気のある商品のグループという、ItemCFは、より多くの個性をお勧めします。
----------------
免責事項：この記事は元の記事CSDNブロガー「ふふ明」で、CC 4.0 BY-SAの著作権契約書に従って、再現し、元のソースとのリンクを添付してくださいこの文。
オリジナルリンクします。https：//blog.csdn.net/u011630575/article/details/80171597
