数据挖掘原理与应用-以石油勘探开发为例 课件 9.2 冷启动问题_第1页
数据挖掘原理与应用-以石油勘探开发为例 课件 9.2 冷启动问题_第2页
数据挖掘原理与应用-以石油勘探开发为例 课件 9.2 冷启动问题_第3页
数据挖掘原理与应用-以石油勘探开发为例 课件 9.2 冷启动问题_第4页
数据挖掘原理与应用-以石油勘探开发为例 课件 9.2 冷启动问题_第5页
已阅读5页,还剩4页未读 继续免费阅读

下载本文档

版权说明:本文档由用户提供并上传,收益归属内容提供方,若内容存在侵权,请进行举报或认领

文档简介

9.2冷启动问题冷

题推荐系统需要根据用户的历史行为和兴趣来预测用户未来的行为和兴趣没有用户行为数据对用户一无所知衍生冷启动问题冷

题冷启动问题主要分为三类:新的用户没有在产品上留下行为数据新物品没有用户行为数据新开发网站没有用户,没有用户行为用户冷启动物品冷启动系统冷启动如何设计个性化推荐Thinking~冷

题没有用户行为数据对用户一无所知冷启动问题冷启动问题—如何做?利用非个性化推荐利用用户注册信息利用物品的内容信息根据用户的手机信息信息爆炸导致信息过载用户需求不明确冷

题利用非个性化推荐采用历史记录构建的群体信息进行推荐缺乏个性化,但总体方向走势正确非个性化推荐方式基于热度排行榜推荐随机的热门内容提供高覆盖率启动物品集合给用户推荐热门排行榜

收集到足够的用户数据

切换为个性化推荐评估用户的反馈点击快速调整推荐信息(实时推荐的好处)覆盖率:描述推荐系统对物品长尾的发掘能力

推荐物品占总物品集合的比例信息爆炸导致信息过载用户需求不明确冷

题利用非个性化推荐收集到足够的用户数据

评估用户的反馈点击快速调整推荐信息(实时推荐的好处)覆盖率:描述推荐系统对物品长尾的发掘能力信息论和经济学中有两个著名的指标可以用于定义覆盖率信息熵基尼系数

基尼系数计数原理SA/(SA+SB)

推荐后推荐前如果G2>G1,就说明推荐系统让热销更热销,而长尾更冷门调整推荐算法增加商品的覆盖率冷

题冷启动问题利用用户注册信息基本流程:获取用户注册信息根据注册信息对用户分类给用户推荐其所属分类中用户喜欢的物品核心:

题利用物品的内容信息覆盖率:描述推荐系统对物品长尾的发掘能力利用内容特征的相似度对一个新内容推荐相关的其他内容利用关键词解析关键词向量表示

计算关键词权重

计算物品相似度

利用专家标注无用户行为数据、无充足物品信息情况下使用冷

题根据用户的手机信息覆盖率:描述推荐系统对物品长尾的发掘能力利用专家标注Android手机开放度较高,一个新软件有很多了解用户

温馨提示

  • 1. 本站所有资源如无特殊说明,都需要本地电脑安装OFFICE2007和PDF阅读器。图纸软件为CAD,CAXA,PROE,UG,SolidWorks等.压缩文件请下载最新的WinRAR软件解压。
  • 2. 本站的文档不包含任何第三方提供的附件图纸等,如果需要附件,请联系上传者。文件的所有权益归上传用户所有。
  • 3. 本站RAR压缩包中若带图纸,网页内容里面会有图纸预览,若没有图纸预览就没有图纸。
  • 4. 未经权益所有人同意不得将文件中的内容挪作商业或盈利用途。
  • 5. 人人文库网仅提供信息存储空间,仅对用户上传内容的表现方式做保护处理,对用户上传分享的文档内容本身不做任何修改或编辑,并不能对任何下载内容负责。
  • 6. 下载文件中如有侵权或不适当内容,请与我们联系,我们立即纠正。
  • 7. 本站不保证下载资源的准确性、安全性和完整性, 同时也不承担用户因使用这些下载资源对自己和他人造成任何形式的伤害或损失。

评论

0/150

提交评论