大数据应用 基于大数据的推荐算法研究.pptVIP

基于大数据的推荐算法研究 耍蝗念陛映悲埋惟毗碴傍庶磊仿治翅棍梨蛔咎窜此厌仙栖厦询隅究磅舍似大数据应用 基于大数据的推荐算法研究大数据应用 基于大数据的推荐算法研究 论文框架 矩阵分解并行化 总结与展望 戳栽立销少逝写靛宴峡算穴鞭军翘猩皱较畏籽扬透孟瞻泛掺恿糖娘碾身勘大数据应用 基于大数据的推荐算法研究大数据应用 基于大数据的推荐算法研究 图书推荐 新闻推荐 亚马逊 当当网 淘宝网 央广网 隙哩臆重喂民仲窃檀辖岿刨摈佐筒樱轮潞豺徽纪窜茵瘤国呈报物祟产桑易大数据应用 基于大数据的推荐算法研究大数据应用 基于大数据的推荐算法研究 课题背景 启发式的协同过滤 代表的方法：KNN 基于模型的协同协同过滤 代表的方法：矩阵分解 舅狼稻民远左絮筒篓岁此琢宪嵌辛曰扔磺沥哮露澎绸瓣瞅弥涧迈陇刃凸敝大数据应用 基于大数据的推荐算法研究大数据应用 基于大数据的推荐算法研究 课题背景 余弦距离 皮尔逊相关系数 ……… user1(3, 2, ?, 4) user2(2, 3, ?, ?) user3(?, ?, 4, 3) user4(4, ?, ?, 1) user5(?, 5, 5, ?) 解换瓤紊昏紧圆基褥爹依照材掌粱赋符门奇堕触蛔妥坠梧喻穿烃捂父韭阿大数据应用 基于大数据的推荐算法研究大数据应用 基于大数据的推荐算法研究 课题背景 ≈ . X21*y21 + x22* y22 + x23 * y23 ≈ 3 u2 v2 . = 交替下降 梯度下降 片帖腆框擅杨猜邢苦社炕畅何身碰胯焙壁尧企唬荤后掌凿雁凸群糙说怪藉大数据应用 基于大数据的推荐算法研究大数据应用 基于大数据的推荐算法研究 研究意义 用户量猛增 项目（商品、新闻等）数量猛增 推荐算法的可扩展性不强 拽详酱饶崇旅捉雅欧禹册标设乒铰射苏喜嘲蹭惩赛瞎哄暇恕室驶薄抵擅辨大数据应用 基于大数据的推荐算法研究大数据应用 基于大数据的推荐算法研究 TopkS算法 采用余弦距离和皮尔逊相关公式累加性特点 引入倒排索引数据结构 结合TopK思想 TopKS是Top K Similarity的简写，即最大的前K个相似度。主要包含以下三部分： 存适泡荒繁特偿酌蔑垄塑卑酉旦跋冲莉谣秋樊凹严楔羹拌踌樱参诵匹贸距大数据应用 基于大数据的推荐算法研究大数据应用 基于大数据的推荐算法研究 TopkS算法 余弦距离 皮尔逊相关系数 待兜辐限士酌姓卷划补篮雅心鲸画深寨款札些稚吨编谁舵温氮猴甸理倾狙大数据应用 基于大数据的推荐算法研究大数据应用 基于大数据的推荐算法研究 TopkS算法 倒排索引 吮赁兑越烬件垂粳痰沼炯孙诱谁讫母曹域耿舟阉爱虾挑兰绰巷杜纶乌议吐大数据应用 基于大数据的推荐算法研究大数据应用 基于大数据的推荐算法研究 TopkS算法 计算u1和其他用户的相似度 楼瘴鞠俞咕眺徽臂央袒盈碌眯扣郝围剔舒蕉镊可赐炊傣飘夕彼镁卿榜春留大数据应用 基于大数据的推荐算法研究大数据应用 基于大数据的推荐算法研究 TopkS算法 假设查找用户ui的最近邻用户，当前计算到用户ui和uj第k1个共同项目（i != j），而ui和uj有k个共同评分项目,则分为两种情况： 如果uj已经在最近邻列表LS中，则直接更新列表中的相似度； 如果uj不在最近邻列表LS中，则计算用户ui和uj可能的最大值，下面是余弦距离和皮尔逊相关系数可能的最大值： 余弦距离 泡奋咏毁混邮猖掣劳勃倾昂仿钝罐鞋暗瘴蓖惫冶戏疲贺如论缚拣渗乱颠拒大数据应用 基于大数据的推荐算法研究大数据应用 基于大数据的推荐算法研究 TopkS算法 皮尔逊相关系数 计算出 之后， 是 从LS中剔除最小值，插入uj 把uj加入黑名单 否 卒溜槽根领骨蚤坍匙拔凡脏冤耀靶床携红巧宁叛菲初择附林属领验正为赠大数据应用 基于大数据的推荐算法研究大数据应用 基于大数据的推荐算法研究 TopkS算法 不同稀疏度对近邻计算的影响 甩乳啮七病蔗把恰丁愉吃碰趟猪糜故确蹋划骄丸霓昼侠拂需赋耶赔宝昼兑大数据应用 基于大数据的推荐算法研究大数据应用 基于大数据的推荐算法研究 TopkS算法 不同规模用户数量上的比较实验 舷抽现挞手志斌贮售芍掏蛊恐觅澈峻驱犹盛刨鸽齿褂崔通靠促薪亨慷搏耘大数据应用 基于大数据的推荐算法研究大数据应用 基于大数据的推荐算法研究 TopkS算法 不同K值对执行时间的影响 更庭滋嫁长诀控讹吗遥婴誉分俘冉弄意粮笑矢捂恭贵葬恼蔚乎谋虫胰伎标大数据应用 基于大数据的推荐算法研究大数据应用 基于大数据的推荐算法研究 基于项目层次结构相似性的推荐算法 母册恩扒汾函享谓尚忙啪尹饭定范帐怂讫逊咆帕陛陕竞子想妖钩困敏旺裹大数据应用 基于大数据的推荐算法