内容简介:近期想使用推荐系统实现一些功能,由于不懂Java,担心Python的性能不够,因此就关注了go语言实现的开源项目。协同过滤的原理很简单,就是根据用户对物品或者信息的偏好,发现物品或者内容本身的相关性, 或者是发现用户的相关性,然后再基于这些关联性进行推荐这里主要实现了基于用户和基于项目的协同过滤两种推荐算法
近期想使用推荐系统实现一些功能,由于不懂Java,担心 Python 的性能不够,因此就关注了 go 语言实现的开源项目。
推荐系统中的协同过滤算法原理
协同过滤的原理很简单,就是根据用户对物品或者信息的偏好,发现物品或者内容本身的相关性, 或者是发现用户的相关性,然后再基于这些关联性进行推荐
这里主要实现了基于用户和基于项目的协同过滤两种推荐算法
基于用户的协同推荐(User based Collaborative Filtering Recommendation)
基于用户协同推荐的原理是,根据所有用户对物品或者信息的偏好,发现当前用户口味和偏好相似的“邻居”用户群, 基于邻居的偏好信息,对用户进行推荐
举例, 假设有以下关系
A --> a,c 表示用户A喜欢物品a和c
B --> b
C --> a,c,d
可以发现用户A和C的口味偏好相似(他们是邻居),同时C喜欢物品d,那么我们可以推断 用户A也可能喜欢物品d
Item based Collaborative Filtering Recommendation
基于项目的协同推荐
基于项目的协同推荐的原理是,它使用所有用户对物品或者信息的偏好,发现物品和物品之间的相似度, 然后根据用户的历史偏好信息,将类似的物品推荐给用户
举例,假设有以下关系
A --> a,c
B --> a,b,c
C --> a
根据基于项目的协同过滤原理,可以发现物品a和物品c相似,用户C喜欢a物品,那么可以把c物品推荐给他
在github上搜索,发现项目较少,较为完善的是gorse项目
gorse: Go Recommender System Engine
gorse使用go语言实现推荐系统,提供以下模块方便构建推荐系统:
- 数据:支持从文件加载(提供内置部分数据可用于测试)
- 分离器:支持K-fold、比率、保留方式分离数据集
- 模型:推荐模型基于协同过滤算法,包括矩阵分解、基于临接的方法、Slope One、Co-Clustering
- 评估:可使用RMSE、MAE来评分,包括准确率、召回率、 归一化折损累积增益NDCG、平均准确率MAP、 MRR、AUC.
- 参数搜寻:使用网格或随机方式寻找最佳超参
- 持久化:保存模型或加载模型
- SIMD(可选):理论上在对矢量采用AVX2指令,可以获得比单指令快4倍的速度
项目地址:github.com/zhenghaoz/gorse
- 推荐项亮著的 推荐系统实践
- 实现推荐系统引擎(一):评分预测
以上就是本文的全部内容,希望对大家的学习有所帮助,也希望大家多多支持 码农网
猜你喜欢:- GitHub 提权项目推荐
- 项目推荐:Micro8
- 一周 GitHub 开源项目推荐
- 基于Flink商品实时推荐系统项目
- Github项目推荐 | retinaface 人脸识别
- 阿里淘系优质开源项目推荐
本站部分资源来源于网络,本站转载出于传递更多信息之目的,版权归原作者或者来源机构所有,如转载稿涉及版权问题,请联系我们。
CSS禅意花园
[美] Dave Shea、Molly E. Holzschlag / 陈黎夫、山崺颋 / 人民邮电出版社 / 2007-6 / 49.00元
这本书的作者是世界著名的网站设计师,书中的范例来自网站设计领域最著名的网站——CSS Zen Garden(CSS禅意花园)。全书分为两个主要部分。第1章为第一部分,讨论网站“CSS禅意花同”及其最基本的主题,包含正确的标记结构和灵活性规划等。第二部分包括6章,占据了书中的大部分篇幅。 每章剖析“CSS禅意花园”收录的6件设计作品,这些作品围绕一个主要的设计概念展开,如文字的使用等。通过探索......一起来看看 《CSS禅意花园》 这本书的介绍吧!