教程介绍
在推荐系统简介中,我们给出了推荐系统的一般框架。很明显,推荐方法是整个推荐系统中最核心、最关键的部分,很大程度上决定了推荐系统性能的优劣。目前,主要的推荐方法包括:基于内容推荐、协同过滤推荐、基于关联规则推荐、基于效用推荐、基于知识推荐和组合推荐。
一、基于内容推荐
基于内容的推荐(Content-based Recommendation)是信息过滤技术的延续与发展,它是建立在项目的内容信息上作出推荐的,而不需要依据用户对项目的评价意见,更多地需要用机 器学习的方法从关于内容的特征描述的事例中得到用户的兴趣资料。在基于内容的推荐系统中,项目或对象是通过相关的特征的属性来定义,系统基于用户评价对象 的特征,学习用户的兴趣,考察用户资料与待预测项目的相匹配程度。用户的资料模型取决于所用学习方法,常用的有决策树、神经网络和基于向量的表示方法等。 基于内容的用户资料是需要有用户的历史数据,用户资料模型可能随着用户的偏好改变而发生变化。
推荐系统企业工程实战项目作为大数据基础应用的延伸,构建于用户画像项目之上,旨在让学员学习企业级推荐系统构建的基本思路,深入讲解推荐系统中的两个最重要的环节召回和排序 ,各环节基于Spark-Mllib引入相关算法,比如召回层ItemCF,ALS两路召回算法,融合排序层引入GBDT+LR,在理解算法的同时更偏重工程实战,我们会从原始数据的特征抽取,转换,算法模型设计到编程实现做深入的讲解,同时也会对算法模型的跨平台部署方案做实际的案例,让学员学习到算法模型是如何在实际工程中部署运用的。
学习地址
怎么操作?
第1步:点击链接进入:
百度:https://pan.baidu.com/s/1tbvFrInRXRDQWOJWVs9dYA
天翼:https://cloud.189.cn/t/JjiqM3qyEFFb
微云:https://share.weiyun.com/ao7HTSBe
喜欢淘宝购物或需要活动线报的欢迎加群:875874264