利用社交網路資料
a.哪些渠道
1.電子郵件：冷啟動時匯入郵件好友；
2.使用者註冊資訊：來自哪個公司，哪個學校；
3.使用者位置資訊：同一座公司/宿舍的人，可以假設有好友關係；
4.同乙個小組或論壇：豆瓣小組（具有相同的興趣）
5.聊天工具；
b. 推薦好友們喜歡的物品
1. 增加信任度：使用者往往不信任人工智慧，往往更信任好友；
2. 基於圖：使用者都在左，物品都在右，使用者和使用者之間的邊是彼此熟悉程度（熟人關係+志同道合關係），使用者和物品之間的邊是行為表示的喜歡程度；用personalrank演算法即可；
好友很可能只是熟人，但不是志同道合有共同興趣的；
c. 給使用者推薦好友
1. 基於內容：a.人口統計學資訊；b.使用者行為（喜歡的物品和發表過的言論等）；c.使用者的位置資訊（住址,ip,郵編等）
3. 基於社交網路：其實也是usercf，只是通過共同認識的好友來關聯的；共同認識的好友個數/(a認識的好友個數*b認識的好友個數）；根據出度/入度，劃分為4種演算法：out-out, in-in, out-in, in-out；其中out-out和out-in評測效果最好；
基於內容的，往往會推薦熟人（比如統統發表過的wiki，共同在同乙個部門），新穎度最差，靠譜度最高；
基於共同興趣的，往往會推薦生人，新穎度最好，靠譜度最低；
推薦系統實踐讀書筆記
最近大概複習了一下這本書，了解了較早的推薦系統的一些方法，記錄如下，以便大家對本書內容有個快速地了解。略去了第一張，詳細的 和細節可以參考其他部落格。需要關注的地方直接標出了頁碼。書裡面的 不是很完整，用來學習還可以。第八章介紹了一些svd等機器學習的演算法，在2020年的今天可以回顧一下。推薦系統...
《推薦系統實踐》讀書筆記4
為什麼要研究系統的時間特性？不同系統有不同的時效性，有的系統物品的時效性很短，熱起來，很快會冷下去 而有的系統物品的時效性長，具有比較長的生命週期。研究系統的時間特性，能增強系統的有效性推薦。比如推薦新聞，會主要選擇最近時間段發生的新聞事件進行推薦 而推薦旅遊景點，時效性較長 有些也有季節性變化 則...
《推薦系統實踐》讀書筆記 第六章
獲取社交網路資料的途徑有 1 電子郵件，電子郵件裡面有聯絡人，匯入這些資料可以解決冷啟動問題 2 使用者註冊資訊，註冊的時候可能包含公司 學校等資訊 3 使用者位置資料，使用電腦裝置的可以獲取ip位址，使用移動終端裝置的可以獲取gps資訊 1 好友推薦可以增加推薦的信任度 2 社交網路可以解決冷啟動...