用户电影评分数据集下载http://grouplens.org/datasets/movielens/
1) Item-Based,非个性化的，每个人看到的都一样
2) User-Based，个性化的，每个人看到的不一样
对用户的行为分析得到用户的喜好后，可以根据用户的喜好计算相似用户和物品，然后可以基于相似用户或物品进行推荐。这就是协同过滤中的两个分支了，基于用户的和基于物品的协同过滤。
在计算用户之间的相似度时，是将一个用户对所有物品的偏好作为一个向量，而在计算物品之间的相似度时，是将所有用户对某个物品的偏好作为一个向量。求出相似度后，接下来可以求相似邻居了。
3）基于模型（ModelCF）按照模型，可以分为：
1）最近邻模型：基于距离的协同过滤算法
2）Latent Factor Mode（SVD）：基于矩阵分解的模型
3）Graph：图模型，社会网络图模型
适用场景
对于一个在线网站，用户的数量往往超过物品的数量，同时物品数据相对稳定，因此计算物品的相似度不但
计算量小，同时不必频繁更新。但是这种情况只适用于电子商务类型的网站，像新闻类，博客等这类网站的
系统推荐，情况往往是相反的，物品数量是海量的，而且频繁更新。
r语言实现基于物品的协同过滤算法
mareduce 实现参考文章：http://www.cnblogs.com/anny-1980/articles/3519555.html
代码下载https:// 香港云主机github.com/bsspirit/maven_hadoop_template/releases/tag/recommend
spark ALS实现Spark mllib里用的是矩阵分解的协同过滤，不是UserBase也不是ItemBase。
参考文章：http://www.mamicode.com/info-detail-865258.html
参考文章：http://blog.csdn.net/acdreamers/article/details/44672305
http://www.cnblogs.com/technology/p/4467895.html
http://blog.fens.me/rhadoop-mapreduce-rmr/
这篇文章主要讲解了“nginx配置add_header的坑怎么解决”，文中的讲解内容简单清晰，易于学习与理解，下面请大家跟着小编的思路慢慢深入，一起来研究和学习“nginx配置add_header 香港云主机的坑怎么解决”吧！前言add_header 是 he…
免责声明：本站发布的图片视频文字，以转载和分享为主，文章观点不代表本站立场，本站不承担相关法律责任；如果涉及侵权请联系邮箱：360163164@qq.com举报，并提供相关证据，经查实将立刻删除涉嫌侵权内容。
微信扫一扫 
