http://blog.csdn.net/pipisorry/article/details/39507699

推荐系统之非个性化推荐Non-personalized recommendation，主要包含aggregated opinion recommenders，产品关联推荐，时间敏感推荐。

个性化推荐参考[推荐系统：个性化推荐-协同过滤 ][海量数据挖掘MMDS week4: 推荐系统Recommendation System]

Aggregated opinion recommenders

The Story of Zagat

。。。

Drawback of Zagat

Some early Zagat fans argue the guide has been getting worse. Why?
All the restaurants with the similar scores
Too many mediocre restaurants with good scores
Too many excellent restaurants with mediocre scores

Reasons
Self-selection bias
ratings from recent users
Users of B&B
Increased diversity of raters for fancy hotels and restaurant
No free water, free spaghetti at fancy restaurants
Free WIFI, free breakfast, free parking at fancy hotels
French meals at Guide Michelin

How to Compare

Item A: {5, 5, 4, 5, 5, 5}
Item B: {5}

Ranking Scores: Damped Means

Problem: few ratings
E.g., Only one 5-star rating
Solution
Assume that everything is average without evidence
Ratings are evidence of non-averageness

k: a parameter
mu: the average rating of all the items in the system

Here, n is the number of votings

Ranking Scores: Confidence Interval

Assume certain data distribution for the rating
Lower and upper bound of statistical confidence interval (95%)
Choice of bounds
Lower bound: conservative recommendations
Upper bound: risky for amazing recommendations

皮皮blog

产品关联推荐Product association recommendation

{一种简单的Context-aware Non-personalized recommendation，其实就是一种数据挖掘方法，类似于频繁项集挖掘}

交易数据库Transaction Database

关联计算

X: take the treatment; !X: not take the treatment
Y: the output occurs; !Y: the output does not occur
如何度量treatment的效果?

两种方法：

计算因果关系Causal Effect：lift

P(Y|X)-P(Y|!X) or P(Y|X)/P(Y|!X)

Adjust by looking at whether X makes Y more likely than not X (!X)

Focus on the increase in Y associated with X

如计算X = “anchovy paste” (凤尾鱼酱), Y=“banana”，lift值很小，接近1；而计算X = “anchovy paste”, Y=“garlic paste” （蒜泥）lift值比1大得多。

关联Association

Note: 即互信息吧。

讨论

上下文感知推荐Context-aware recommendation

Simple context: conditioned on one item（产品关联推荐就是其中一种）
Complex context: conditioned on a set of items, or considering the sequence of these items

非个性化和个性化推荐Non-personal or Personal recommendation

Computing P(Y|X) and P(Y|!X) over all the data
Computing P(Y|X) and P(Y|!X) over the data from the users who have similar tastes to a target user（lift计算中，如果计算数据只来自与当前用户相关的用户，则非个性化推荐就变成了个性化推荐了）

皮皮blog

时间敏感排序Time Sensitive Ranking for non-personalized recommendation

{尤其对新闻推荐有效}

时移Time-shifting

News aggregator: 旧新闻是不有趣的，即使有很多好评net up votes。

时移推荐公式

Ad-hoc methods

Reddit新闻排名

reddit是一个新闻推荐网站，其推荐公式如下

U: #upvotes; D: #downvotes; t_post: 新闻发布时间

第1部分：顶的多的和贬的多的都可能被推荐到主页上。对投票votes取对数的原因：Decrease marginal value of later votes.这样在差值很大时增量会减缓。

第2部分：对时间的简单处理。Buries items with negative votes。

[Reddit]

HackerNews新闻排名

U: #upvotes; D: #downvotes; t_now: time for now; t_post: time when this news published;

α: 0.8; γ: 1.8; P: penalty term for different items

个人觉得hackernews的新闻排名算法更靠谱。

from:http://blog.csdn.net/pipisorry/article/details/39507699

ref: [ICT Luoping's recsys lessons, summer 2016]*

推荐系统：非个性化推荐Non-personalized recommendation相关推荐

[推荐系统]基于个性化推荐系统研究与实现（1）
目录一.搜索引擎与推荐系统二.推荐系统原理与算法 2.1 Jaccard系数 2.2 余弦相似度三.数据定向爬取及电影数据集 3.1 爬取近七日天气预报数据存入DB数据库,分为五步完成. 3 ...
推荐系统 | (2) 个性化推荐系统研究热点
原文地址本文作者:谢幸.练建勋.刘政.王希廷.吴方照.王鸿伟.陈仲夏推荐系统作为一种过滤系统,不仅能够帮助用户在海量的信息中快速寻找到自己需要的内容,也能帮助商家把自己的商品更精准地推荐给用户,增 ...
【推荐系统】深度学习大行其道，个性化推荐如何与时俱进？
作者|携程基础业务研发部编辑|Emily AI 前线导读:携程作为国内领先的 OTA,每天向上千万用户提供全方位的旅行服务,如何为如此众多的用户发现适合自己的旅游产品与服务,挖掘潜在的兴趣,缓解信息 ...
BPR贝叶斯个性化推荐算法—推荐系统基础算法（含python代码实现以及详细例子讲解）
BPR贝叶斯个性化排序算法一.问题导入二.显示反馈与隐式反馈 2.1 显式反馈与隐式反馈基本概念 2.2 显式反馈与隐式反馈的比较 2.3 显式反馈与隐式反馈的评价方法 2.3.1 显式反馈数据模 ...
「构建企业级推荐系统系列」实时个性化推荐介绍
作者 | gongyouliu 编辑 | auroral-L 随着互联网的深入发展和产品布局的多元化,越来越多的企业通过提供快节奏的产品及服务消耗用户的碎片化时间,从而赢得用户的青睐.这类产品通过便捷 ...
计算机视觉产品推荐,个性化推荐:人工智能中的计算机视觉、NLP自然语言处理和个性化推荐系统哪个前景更好一些？...
这个问题直接回答的话可能还是有着很强的个人观点,所以不如先向你介绍一些这几个领域目前的研究现状和应用情况(不再具体介绍其中原理)你自己可以斟酌一下哪方面更适合自己个性化推荐. 一．所谓计算机视觉,是指 ...
[推荐系统]个性化推荐的十大挑战
个性化推荐经常被人误解为细分市场和精准营销这两个概念.虽然它们之间有一些联系,但实质上却相差甚远.本文不仅清楚地讲述了个性化推荐技术,更列出了其所面临的十大挑战. 很多人都知道个性化推荐,却有不少认识 ...
Python推荐系统学习笔记（1）基于协同过滤的个性化推荐算法实战---隐语义模型
一.相关概念: 1.隐语义模型(LFM) 通过矩阵分解建立用户和隐类之间的关系,物品和隐类之间的关系,最终得到用户对物品的偏好关系. 假设我们想要发现 F 个隐类, 我们的任务就是找到两个矩阵 U 和 ...
计算机配件推荐系统论文摘要,个性化推荐系统设计
内容简介: 个性化推荐系统设计,毕业设计,共65页,29540字,附外文翻译. 摘要个性化推荐系统根据用户的历史数据,利用推荐算法向他们推荐可能感兴趣的商品.协同过滤(CF)是目前研究最多.应用最广 ...
使用Java+SSM(Spring+SpringMVC+Mybatis)如何开发个性化音乐推荐系统在线音乐推荐网站基于用户、项目的协同过滤推荐算法实现MusicRecommendSystemWeb
使用Java+SSM(Spring+SpringMVC+Mybatis)如何开发个性化音乐推荐系统在线音乐推荐网站基于用户.项目的协同过滤推荐算法实现MusicRecommendSystemWeb ...

推荐系统：非个性化推荐Non-personalized recommendation