《机器学习项目案例开发》课件 26.推荐系统.pptx

人工智能技术与应用

6.推荐系统;;推荐系统概述;推荐系统：;推荐系统：

;协同过滤：

如果你现在想看个电影，但你不知道具体看哪部，你会怎么做？

如何确定一个用户是不是和你有相似的品位？

如何将邻居们的喜好组织成一个排序的目录？

;协同过滤：实现步骤

收集用户偏好

找到相似的用户或物品

计算推荐;协同过滤：实现步骤;协同过滤：相似度计算

;协同过滤：相似度计算

欧几里德距离（EuclideanDistance）

皮尔逊相关系数（PearsonCorrelationCoefficient）

Cosine相似度（CosineSimilarity）

;协同过滤：相似度计算

皮尔逊相关系数（PearsonCorrelationCoefficient）

协方差

皮尔逊相关系数

Pearson相关系数是用协方差除以两个变量的标准差得到的;协同过滤：皮尔逊相关系数;协同过滤：皮尔逊相关系数

邻居的选择

固定数量的邻居

基于相似度门槛的邻居;基于用户的协同过滤：;基于用户的协同过滤：

基于用户的协同过滤要解决的问题

已知用户评分矩阵MatrixR（一般都是非常稀疏的）

推断矩阵中空格emptycells处的值;基于用户的协同过滤：

基于用户协同过滤UserCF缺点

对于一个新用户，很难找到邻居用户。

对于一个物品，所有最近的邻居都在其上没有多少打分

注意事项

相似度计算最好使用皮尔逊相似度

考虑共同打分物品的数目，如乘上min(n,N)/Nn:共同打分数N:指定阈值

对打分进行归一化处理

设置一个相似度阈值;基于用户的协同过滤：

基于用户协同过滤UserCF为啥不流行

1.稀疏问题

2.数百万的用户计算，这量？

3.人是善变的注意事项

;基于物品的协同过滤：

;基于物品的协同过滤：

基于物品的协同过滤优势！

计算性能高，通常用户数量远大于物品数量

可预先计算保留，物品并不善变

;基于物品的协同过滤：

;基于物品的协同过滤：

用户冷启动问题

引导用户把自己的一些属性表达出来

利用现有的开放数据平台

根据用户注册属性

推荐排行榜单

物品冷启动问题

文本分析、主题模型

打标签、推荐排行榜单;基于物品的协同过滤：;基于物品的协同过滤：;隐语义模型：;隐语义模型：;隐语义模型：;隐语义模型：;隐语义模型负样本选择：;隐语义模型：;隐语义模型：

重新计算USV的结果得到A2来比较下A2和A的差异，看起来差异是有的，但是并不大，所以我们可以近似来代替;隐语义模型：

将U的第一列当成x值，第二列当做y值，即U的每一行用一个二维向量表示，同理V的每一行也用一个二维向量表示。

从图中可以看到，S5和S6特别相似，Ben和Fred也特别相似;隐语义模型：

寻找相似用户寻找相似用户:

依然用实例来说明:假设，现在有个名字叫Bob的新用户，并且已知这个用户对seasonn的评分向量为:[55ooo5]。(此向量为列向量)

我们的任务是要对他做出个性化的推荐。

我们的思路首先是利用新用户的评分向量找出该用户的相似用户。;敬请指导！