收藏
课程目录
1.1 推荐系统的意义与价值
1.2 推荐系统的历史与框架
1.3 推荐算法分类
2.1 协同过滤的基本思想与算法分类
2.2 基于用户的协同过滤
2.3 基于项目的协同过滤
2.4 基于邻域的评分预测
2.5 基于二部图的协同过滤
3.1 基于关联规则的推荐
3.2 基于矩阵分解的评分预测
3.3 概率矩阵分解框架
3.4 基于矩阵分解的Top-N推荐
4.1 基于内容推荐的系统框架
4.2 向量空间模型
4.3 基于语义的内容相似度
5.1 基于约束的推荐
5.2 基于效用的推荐
6.1 混合推荐简介
6.2 理论依据与方法分类
6.3 并行式混合推荐
6.4 串行式混合推荐
6.5 整体式混合推荐
7.1 评测视角与实验方法
7.2 评分预测评价指标
7.3 Top-N推荐评价指标
7.4 公开实验数据集
1.2 推荐系统的历史与框架
1.3 推荐算法分类
2.1 协同过滤的基本思想与算法分类
2.2 基于用户的协同过滤
2.3 基于项目的协同过滤
2.4 基于邻域的评分预测
2.5 基于二部图的协同过滤
3.1 基于关联规则的推荐
3.2 基于矩阵分解的评分预测
3.3 概率矩阵分解框架
3.4 基于矩阵分解的Top-N推荐
4.1 基于内容推荐的系统框架
4.2 向量空间模型
4.3 基于语义的内容相似度
5.1 基于约束的推荐
5.2 基于效用的推荐
6.1 混合推荐简介
6.2 理论依据与方法分类
6.3 并行式混合推荐
6.4 串行式混合推荐
6.5 整体式混合推荐
7.1 评测视角与实验方法
7.2 评分预测评价指标
7.3 Top-N推荐评价指标
7.4 公开实验数据集
课程详情
本课程主要讲解各种推荐系统和推荐算法的基本思想、原理、设计实现和典型应用。课程采用问题引导与示例展示相结合的讲解方式，通过图、表等可视化方式直观展示各种推荐系统和算法的思想、原理和具体步骤。
本课程主要讲解各种推荐系统和推荐算法的基本思想、原理、设计实现和典型应用。课程采用问题引导与示例展示相结合的讲解方式，通过图、表等可视化方式直观展示各种推荐系统和算法的思想、原理和具体步骤。
本课程主要讲解各种推荐系统和推荐算法的基本思想、原理、设计实现和典型应用。课程采用问题引导与示例展示相结合的讲解方式，通过图、表等可视化方式直观展示各种推荐系统和算法的思想、原理和具体步骤。
上一篇：ARM微控制器与嵌入式系统
下一篇：集合论与图论
