Discuz! Board 
» 遊客:  註冊 | 登錄 | 會員 | 統計 | 幫助

RSS 訂閱當前論壇  

上一主題 下一主題
       
標題: 介紹
 
admin
管理員
Rank: 9Rank: 9Rank: 9



UID 1
精華 0
積分 0
帖子 73
閱讀權限 200
註冊 2012-10-8
狀態 離線

用支付寶求購
介紹

介紹

互聯網的發展,幾乎從所有可用的網絡信息中提取有用的信息是非常困難。機制正在有效地過濾大量的數據所需要的信息。用於解決此問題的技術之一是所謂的協同過濾。

想想人民群眾得到最好的建議相似的味道的人,往往來自於協同過濾的動機。描述協同過濾技術,可以有類似的興趣和想法的人。

(1)用戶的積極參與,(2)一個簡單的方式來表達對系統的興趣,“可以匹配與志趣相投的人,(3)算法的協同過濾算法往往需要。

在一般情況下,協同過濾系統的工作流程如下:

用戶表達自己的喜好通過系統的評估項目(如書籍,電影,CD)。這些評估可以看作是用戶的興趣領域的近似表示。
對於其他用戶,系統匹配用戶的評價,你可以找到的人用最“類似”的味道。
高度相似的用戶,類似的系統,但仍然(可能缺乏評估項目往往被認為是一個陌生人),由用戶來估算,該項目建議
重要的問題是應用的協同過濾你的鄰居集的加權組合。有時,用戶可以立即評估的建議。其結果是,系統變得越來越精確的隨著時間的推移,用戶的喜愛的表達。

編輯方法

協同過濾系統的形式有多種,但有很多的系統可以減少到兩個步驟:

找到用戶共享的評價,如活躍用戶()和可預測的模式為用戶尋找。
可以被看作是一個步驟1,以計算預測為活動的面向用戶的用戶的評分
這是基於用戶的協同過濾。這種特殊的應用,基於用戶的最近鄰居算法。

這資料亞馬遜(X購買了一個基於項目的協同過濾,用戶還購買了產品Y),而不是發明方式的中心:

資料項矩陣來確定的書面的項目之間的關係的一對
猜猜使用數據矩陣和當前用戶的口味
例如,對於家坡的基於項目的協同過濾。

其他形式的協同過濾,對比,觀察(評估任務的隱含所規定的行為,廣大用戶的行為和人造的)。什麼我們做什麼被觀察到的所有用戶在未來預測的用戶(任何項目,他們都買這個系統的行為,用戶可以聽到的音樂類型)使用的數據,或如何用戶可能不是去預測的想工作,只有當他們有機會。這些預測必須經過過濾,以決定如何將這些預測能夠影響任何業務系統的業務邏輯。這是,例如,他們有他們的音樂和買,如果你認為另一個例子,如果你能證明你自己,什麼樣的音樂出售給任何人的建議,它是沒有用處的人在巴黎不幫助,以提供更多的旅遊anseupnidayi的城市。

評分或評級系統平均的所有用戶,依靠的是龐大,卻忽略了用戶的具體需求和不同的利益音樂推薦的例子,有一個特別不好的工作。然而,在其他方面,例如,網絡搜索,數據聚類,信息爆炸對。

[編輯]樣

[編輯]記憶體為基礎的
用戶之間的這種機制,用戶計算項目之間的相似性的評估數據被使用。這建議將被使用。這個古老的方法被用在許多商業系統。這是實現簡單,有效。一個典型的例子,根據這個機制和鄰居的CF,我tem-based/user-based的前N個建議,例如,基於用戶的方法,計算出的結果相類似的項目的一部分,項目的集合,在用戶UI 3個用戶評分:
介紹

互聯網的發展,幾乎從所有可用的網絡信息中提取有用的信息是非常困難。機制正在有效地過濾大量的數據所需要的信息。用於解決此問題的技術之一是所謂的協同過濾。

想想人民群眾得到最好的建議相似的味道的人,往往來自於協同過濾的動機。描述協同過濾技術,可以有類似的興趣和想法的人。

(1)用戶的積極參與,(2)一個簡單的方式來表達對系統的興趣,“可以匹配與志趣相投的人,(3)算法的協同過濾算法往往需要。

在一般情況下,協同過濾系統的工作流程如下:

用戶表達自己的喜好通過系統的評估項目(如書籍,電影,CD)。這些評估可以看作是用戶的興趣領域的近似表示。
對於其他用戶,系統匹配用戶的評價,你可以找到的人用最“類似”的味道。
高度相似的用戶,類似的系統,但仍然(可能缺乏評估項目往往被認為是一個陌生人),由用戶來估算,該項目建議
重要的問題是應用的協同過濾你的鄰居集的加權組合。有時,用戶可以立即評估的建議。其結果是,系統變得越來越精確的隨著時間的推移,用戶的喜愛的表達。

編輯方法

協同過濾系統的形式有多種,但有很多的系統可以減少到兩個步驟:

找到用戶共享的評價,如活躍用戶()和可預測的模式為用戶尋找。
可以被看作是一個步驟1,以計算預測為活動的面向用戶的用戶的評分
這是基於用戶的協同過濾。這種特殊的應用,基於用戶的最近鄰居算法。

這資料亞馬遜(X購買了一個基於項目的協同過濾,用戶還購買了產品Y),而不是發明方式的中心:

資料項矩陣來確定的書面的項目之間的關係的一對
猜猜使用數據矩陣和當前用戶的口味
例如,對於家坡的基於項目的協同過濾。

其他形式的協同過濾,對比,觀察(評估任務的隱含所規定的行為,廣大用戶的行為和人造的)。什麼我們做什麼被觀察到的所有用戶在未來預測的用戶(任何項目,他們都買這個系統的行為,用戶可以聽到的音樂類型)使用的數據,或如何用戶可能不是去預測的想工作,只有當他們有機會。這些預測必須經過過濾,以決定如何將這些預測能夠影響任何業務系統的業務邏輯。這是,例如,他們有他們的音樂和買,如果你認為另一個例子,如果你能證明你自己,什麼樣的音樂出售給任何人的建議,它是沒有用處的人在巴黎不幫助,以提供更多的旅遊anseupnidayi的城市。

評分或評級系統平均的所有用戶,依靠的是龐大,卻忽略了用戶的具體需求和不同的利益音樂推薦的例子,有一個特別不好的工作。然而,在其他方面,例如,網絡搜索,數據聚類,信息爆炸對。

[編輯]樣

[編輯]記憶體為基礎的
用戶之間的這種機制,用戶計算項目之間的相似性的評估數據被使用。這建議將被使用。這個古老的方法被用在許多商業系統。這是實現簡單,有效。一個典型的例子,根據這個機制和鄰居的CF,我tem-based/user-based的前N個建議,例如,基於用戶的方法,計算出的結果相類似的項目的一部分,項目的集合,在用戶UI 3個用戶評分:
2012-10-28 06:10 PM#1
查看資料  Blog  發短消息  頂部
       

  可打印版本 | 推薦給朋友 | 訂閱主題 | 收藏主題  


論壇跳轉:  
Vens婚紗攝影 - EasyBiz商務中心 - IGO藍牙耳機 - 潛水樂園村 - Royal皇族健身中心 - 任逍遙 - Screensavers and multimedia authoring tools - 歌唱英語 - 雙鴨山市道路運輸管理處 - 中國深圳國際投資貿易項目洽談網 - 昌都洛隆縣政府網站
會員登陸 論壇資料 最新發表主題 最新回覆主題

[立即註冊]
密      碼 :    [忘記密碼]
安全提問 :   
回      答 :   

IP : 54.161.175.236
來自 : 
瀏 覽 器:
操作系統: -->
您上次訪問是在: 2016-12-8 06:02 AM
現在時間是: 06:02 AM
RSS面面觀 » 共同篩選 » 介紹已運行3906
今日發表: 篇
主題總數: 篇
帖子總數:0 篇
會員總數:1 人
線上用戶: 人在線
歡迎新會員:admin
搜索論壇

高級搜索
發展 / 經過 / 創作
主要人物
內容
讚揚
米特•羅姆尼
名人感想
寫作背景
內客
發展 及 招待會
概要
招待會
主題
讀後感
推介原因
招待會
感想
修改
出書之路
故事主要
招待會
定義
批評
種群動態
雲採購創造性的工作
現代避孕方法
眾包
從眾心理
大眾媒體的集體記憶
集體記憶
集團決策
與人互動
群件
協同軟件
易制毒化學生命科學
生態系統中的行為
方法
介紹
基本型的物理現實
演化
分類

友情鏈接:

- 2009年東亞運動會
- 2009年東亞運動會結果
- facts and figures
- Agent
- Aptadigital SRL
- festival de cannes 
- Global Credibility in Credentials Evaluation
- ebn-cbc.net
- Ganciaone
- 亚洲材料会议暨展览
- kapaldodesign
- 瀘州老酒壇
- National Council for Accreditation of Teacher Education
- mike kelly
- phone one
- Pros Logion Conjecture 001
- sustainable energy technologies
- nsk轴承
- Toy Story
- 叱吒903
- Webture Sdn. Bhd.
- mp3 downloads
- 紅十字會流動通訊查詢




Processed in 0.006956 second(s), 11 queries
所有時間為 GMT+8, 現在時間是 2016-12-9 06:02 AM 清除 Cookies - 聯繫我們 - RSS面面觀 - Archiver - WAP