《機(jī)器學(xué)習(xí)項(xiàng)目案例開發(fā)》課件 26.推系統(tǒng)

人工智能技術(shù)與應(yīng)用6.推薦系統(tǒng)課程概況—基本情況PART01推薦系統(tǒng)推薦系統(tǒng)概述推薦系統(tǒng)實(shí)現(xiàn)隱含語(yǔ)義模型推薦系統(tǒng)概述推薦系統(tǒng)：推薦系統(tǒng)：推薦系統(tǒng)概述推薦系統(tǒng)：推薦系統(tǒng)概述協(xié)同過濾：如果你現(xiàn)在想看個(gè)電影，但你不知道具體看哪部，你會(huì)怎么做？如何確定一個(gè)用戶是不是和你有相似的品位？如何將鄰居們的喜好組織成一個(gè)排序的目錄？推薦系統(tǒng)-協(xié)同過濾協(xié)同過濾：實(shí)現(xiàn)步驟收集用戶偏好找到相似的用戶或物品計(jì)算推薦推薦系統(tǒng)-協(xié)同過濾協(xié)同過濾：實(shí)現(xiàn)步驟推薦系統(tǒng)-協(xié)同過濾協(xié)同過濾：相似度計(jì)算推薦系統(tǒng)-協(xié)同過濾協(xié)同過濾：相似度計(jì)算歐幾里德距離（EuclideanDistance）皮爾遜相關(guān)系數(shù)（PearsonCorrelationCoefficient）

Cosine相似度（CosineSimilarity）推薦系統(tǒng)-協(xié)同過濾協(xié)同過濾：相似度計(jì)算皮爾遜相關(guān)系數(shù)（PearsonCorrelationCoefficient）協(xié)方差皮爾遜相關(guān)系數(shù)Pearson相關(guān)系數(shù)是用協(xié)方差除以兩個(gè)變量的標(biāo)準(zhǔn)差得到的推薦系統(tǒng)-協(xié)同過濾協(xié)同過濾：皮爾遜相關(guān)系數(shù)推薦系統(tǒng)-協(xié)同過濾協(xié)同過濾：皮爾遜相關(guān)系數(shù)鄰居的選擇

固定數(shù)量的鄰居

基于相似度門檻的鄰居推薦系統(tǒng)-協(xié)同過濾基于用戶的協(xié)同過濾：推薦系統(tǒng)-協(xié)同過濾基于用戶的協(xié)同過濾：基于用戶的協(xié)同過濾要解決的問題已知用戶評(píng)分矩陣MatrixR（一般都是非常稀疏的）

推斷矩陣中空格emptycells處的值推薦系統(tǒng)-協(xié)同過濾基于用戶的協(xié)同過濾：基于用戶協(xié)同過濾UserCF缺點(diǎn)

對(duì)于一個(gè)新用戶，很難找到鄰居用戶。對(duì)于一個(gè)物品，所有最近的鄰居都在其上沒有多少打分注意事項(xiàng)

相似度計(jì)算最好使用皮爾遜相似度

考慮共同打分物品的數(shù)目，如乘上min(n,N)/Nn:共同打分?jǐn)?shù)N:指定閾值

對(duì)打分進(jìn)行歸一化處理

設(shè)置一個(gè)相似度閾值推薦系統(tǒng)-協(xié)同過濾基于用戶的協(xié)同過濾：基于用戶協(xié)同過濾UserCF為啥不流行1.稀疏問題2.數(shù)百萬(wàn)的用戶計(jì)算，這量？3.人是善變的注意事項(xiàng)

推薦系統(tǒng)-協(xié)同過濾基于物品的協(xié)同過濾：

推薦系統(tǒng)-協(xié)同過濾基于物品的協(xié)同過濾：基于物品的協(xié)同過濾優(yōu)勢(shì)！計(jì)算性能高，通常用戶數(shù)量遠(yuǎn)大于物品數(shù)量可預(yù)先計(jì)算保留，物品并不善變

推薦系統(tǒng)-協(xié)同過濾基于物品的協(xié)同過濾：

推薦系統(tǒng)-協(xié)同過濾r_51=(0.41*2+0.59*3)/(0.41+0.59)=2.6基于物品的協(xié)同過濾：用戶冷啟動(dòng)問題引導(dǎo)用戶把自己的一些屬性表達(dá)出來利用現(xiàn)有的開放數(shù)據(jù)平臺(tái)根據(jù)用戶注冊(cè)屬性推薦排行榜單物品冷啟動(dòng)問題文本分析、主題模型打標(biāo)簽、推薦排行榜單推薦系統(tǒng)-協(xié)同過濾基于物品的協(xié)同過濾：推薦系統(tǒng)-協(xié)同過濾基于物品的協(xié)同過濾：推薦系統(tǒng)-協(xié)同過濾基于用戶的推薦實(shí)時(shí)新聞突然情況基于物品的推薦圖書電子商務(wù)電影隱語(yǔ)義模型：隱語(yǔ)義模型從數(shù)據(jù)出發(fā)，進(jìn)行個(gè)性化推薦用戶和物品之間有著隱含的聯(lián)系（有一個(gè)隱含方程）隱含因子讓計(jì)算機(jī)能理解就好將用戶和物品通過中介隱含因子聯(lián)系起來隱語(yǔ)義模型：隱語(yǔ)義模型分解用戶和隱藏因子之間的關(guān)系電影和隱藏因子之間的關(guān)系（F*M）T*（N*M）=（F*M）組合隱語(yǔ)義模型：隱語(yǔ)義模型梯度下降方向：隱語(yǔ)義模型：隱語(yǔ)義模型隱語(yǔ)義模型目標(biāo)函數(shù)隱語(yǔ)義模型負(fù)樣本選擇：隱語(yǔ)義模型負(fù)樣本采樣：對(duì)每個(gè)用戶，要保證正負(fù)樣本的平衡（數(shù)目相似）選取那些很熱門，而用戶卻沒有行為的物品對(duì)于用戶—物品集K{(u,i)}其中如果(u,i)是正樣本，則有=1，負(fù)樣本則=0隱語(yǔ)義模型：隱語(yǔ)義模型特征的重要程度隱語(yǔ)義模型：重新計(jì)算USV的結(jié)果得到A2來比較下A2和A的差異，看起來差異是有的，但是并不大，所以我們可以近似來代替隱語(yǔ)義模型隱語(yǔ)義模型：

將U的第一列當(dāng)成x值，第二列當(dāng)做y值，即U的每一行用一個(gè)二維向量表示，同理V的每一行也用一個(gè)二維向量表示。

從圖中可以看到，S5和S6特別相似，Ben和Fred也特別相似隱語(yǔ)義模型隱語(yǔ)義模型：尋找相似用戶尋找相似用戶:依然用實(shí)例來說明:假設(shè)，現(xiàn)在有個(gè)名字叫Bob的新用