推荐系统(recommender systems):预测电影评分--构造推荐系统的一种方法：协同过滤(collaborative filtering )...

协同过滤(collaborative filtering )能自行学习所要使用的特征

如我们有某一个数据集，我们并不知道特征的值是多少，我们有一些用户对电影的评分，但是我们并不知道每部电影的特征（即每部电影到底有多少浪漫成份，有多少动作成份）

假设我们通过采访用户得到每个用户的喜好，如上图中的Alice喜欢爱情电影，不喜欢动作电影，则我们将θ⁽¹⁾设为[0,5,0],如此设置θ(2),θ(3),θ(4)的值，这样我们有了每个用户的θ的值以及他们对电影的打分，就可以推断出每部电影的x(特征)的值。

如对于上图中的第一部电影，Alice的打分是5，Bob的打分是5,Carol的打分是0,Dave的打分也是0,我们有每个用户的θ值，这样根据这些值来评估第一部电影的x1与x2的值，根据什么来评估呢，这是使θ⁽¹⁾与x⁽¹⁾的内积约等于5,使θ⁽²⁾与x⁽¹⁾的内积约等于5,使θ⁽³⁾与x⁽¹⁾的内积约等于0,使θ⁽⁴⁾与x⁽¹⁾的内积约等于0,这样估算出x⁽¹⁾的值。据此依次算出x⁽²⁾等的值。

我们有nu个用户，知道这些用户的喜好，即知道用户的θ值，根据这些用户的值去估计第i部电影的特征值。

下面是对所有的电影的特征值的估计，有n_m部电影。

协同过滤算法

我们将上面的两个算法结合起来，我们可以由知道x的值( 即每部电影的特征值)和每个用户对电影的打分，来推断出每个用户的喜好值(及θ的值)

也可以知道每个用户的喜好值(及θ的值)和每个用户对电影的打分来推荐出电影的特征值(即x的值)。

先有鸡还是先有蛋问题：根据θ的值可以估计x的值，根据x的值可以用来估计θ的值.

这样我们先猜测一个θ的值，然后根据这个θ的值估计出x的值，再根据x的值估计出θ的值，这样一直迭代下去，直至收敛。

这样我们就可以根据用户对电影的打分，反复进行上面的过程，来估计出θ与x的值。

总结

协同过滤算法:通过一大堆用户得到的数据，这些用户实际上在高效地进行协同合作，来得到每个人对电影的评分。只要用户对某几部电影进行了评分，每个用户就又都在帮助算法更好地学习出特征，这些特征可以被系统运用来为其它人做出更准确的电影预测。

协同是说每位用户都在为了大家的利益，学习出更好的特征

转载于:https://www.cnblogs.com/yan2015/p/7544930.html

推荐系统(recommender systems):预测电影评分--构造推荐系统的一种方法：协同过滤(collaborative filtering )...相关推荐

推荐系统：协同过滤collaborative filtering
http://blog.csdn.net/pipisorry/article/details/51788955 (个性化)推荐系统构建三大方法:基于内容的推荐content-based,协同过滤col ...
基于关联规则(Apriori)+协同过滤(collaborative filtering)实现电影推荐系统
基于关联规则算法+协同过滤算法的电影推荐系统一.前言 1.数据集介绍 2.方法概述 3.运行环境二.数据准备与预处理 1.数据熟悉 2.数据读取 3.数据预处理 3.1 无用属性删除 3.2 缺失 ...
机器学习实战（十三）推荐系统（协同过滤 Collaborative Filtering）
目录 0. 前言 1. 相似度 1.1. 欧式距离(Euclidean metric) 1.2. 皮尔逊相关系数(Pearson correlation coefficient) 1.3. 余弦相似度 ...
入门机器学习(十九)--推荐系统(Recommender Systems)
推荐系统(Recommender System) 1. 问题规划(Problem Formulation) 2. 基于内容的推荐系统(Content Based Recommendations) 3. ...
[C11] 推荐系统(Recommender Systems)
推荐系统(Recommender Systems) 问题阐述(Problem Formulation) 将推荐系统纳入这门课程来讲有以下两个原因: 第一.仅仅因为它是机器学习中的一个重要的应用.在 ...
吴恩达机器学习系列课程笔记——第十六章：推荐系统(Recommender Systems)
16.1 问题规划 https://www.bilibili.com/video/BV164411b7dx?p=96 在接下来的视频中,我想讲一下推荐系统.我想讲推荐系统有两个原因: 第一.仅仅因为它 ...
NLP实战|如何用280多万条豆瓣影评预测电影评分？
为了预测电影评分,我们收集了豆瓣电影网站上2.8万名用户对5万多部电影的280万条评论... 真实目的,其实是为了让大家能够通过这次的教程,更加了解自然语言处理. 所以,使用电影评论来预测电影评分,到 ...
Java+SSM(Spring+SpringMVC+Mybatis)+Mysql个性化新闻推荐系统基于用户、项目、内容、聚类、混合的协同过滤推荐算法WebNewsRSM 源代码下载
Java+SSM(Spring+SpringMVC+Mybatis)+Mysql个性化新闻推荐系统基于用户.项目.内容.聚类.混合的协同过滤推荐算法WebNewsRSM 源代码下载一.项目简介 1 ...
JS实现星星评分功能实例代码(两种方法)
转载自 JS实现星星评分功能实例代码(两种方法) 一.方法1 1.用到图片 2.结构和样式 <!DOCTYPE html> <html lang="en"&g ...
Graph Convolutional Neural Networks for Web-Scale Recommender Systems（用于Web级推荐系统的图形卷积神经网络）
Graph Convolutional Neural Networks for Web-Scale Recommender Systems 用于Web级推荐系统的图形卷积神经网络 ABSTRACT R ...

推荐系统(recommender systems):预测电影评分--构造推荐系统的一种方法：协同过滤(collaborative filtering )...

推荐系统(recommender systems):预测电影评分--构造推荐系统的一种方法：协同过滤(collaborative filtering )...相关推荐

最新文章

热门文章