推荐系统-Model Based协同过滤

个性化推荐

本项目使用文本卷积神经网络,并使用MovieLens数据集完成电影推荐的任务。

推荐系统在日常的网络应用中无处不在,比如网上购物、网上买书、新闻app、社交网络、音乐网站、电影网站等等等等,有人的地方就有推荐。根据个人的喜好,相同喜好人群的习惯等信息进行个性化的内容推荐。比如打开新闻类的app,因为有了个性化的内容,每个人看到的新闻首页都是不一样的。

这当然是很有用的,在信息爆炸的今天,获取信息的途径和方式多种多样,人们花费时间最多的不再是去哪获取信息,而是要在众多的信息中寻找自己感兴趣的,这就是信息超载问题。为了解决这个问题,推荐系统应运而生。

协同过滤......

推荐系统-Python实战

这是一篇notebook,目的是介绍一些推荐系统常用的算法。

协同过滤

通过收集用户的喜好对用户感兴趣的东西做出自动预测,基于这样一个理论:如果一个用户A和另一个用户B对一系列物品有相同的行为或者喜好,那么对于一件新物品的行为,A与B做出的选择会比A与陌生人更加接近。

基于内容过滤

系统通过用户过去使用过的物品推荐和这些物品相似的物品,比如一些关键词描述、分类等特征

混合过滤

把协同过滤和基于内容过滤结合起来会比单独使用更有效果

数据集下载: https://www.kaggle.com/gspmoreira/articles-shari......