推荐算法Slope One初探——高效、简单、合理的准确性
Slope One 算法是由 Daniel Lemire 教授在 2005 年提出的一个 Item-Based 推荐算法。 Slope One 算法试图同时满足这样的的 5 个目标：
- 易于实现和维护：普通工程师可以轻松解释所有的聚合数据，并且算法易于实现和测试。
- 运行时可更新的：新增一个评分项，应该对预测结果即时产生影响。
- 高效率的查询响应：快速的执行查询，可能需要付出更多的空间占用作为代价。
- 对初次访问者要求少：对于一个评分项目很少的用户，也应该可以获得有效的推荐。
- 合理的准确性：与最准确的方法相比，此方法应该是有竞争力的，准确性方面的微小增长不能以简单性和扩展性的大量牺牲为代价。
使用这个图可以简明扼要的说明一下 Slope One 算法。
- User A 给 Item I 打分为 1；给 Item J 打分为 1.5。
- Uesr B 给 Item I 打分为 2。
- 问题是：User B 给 Item J 打分为多少？
- 使用 Slope One 算法，答案是：2.5，2+(1.5-1)=2.5。
Slope One 算法就是这么简单，详细的试验分析可以看这里“Slope One Predictors for Online Rating-Based Collaborative Filtering”。
相关文章
图文推荐
-
5.1、Android Studio用Logcat编写和查看日志
-
外媒称阿里巴巴半年前遭SEC调查是因内部员工告密
-
ASP.NET学习笔记(十二)private、protected、public 和 internal
-
PPAPI+Skia实现的涂鸦板
- 文章
- 推荐
- 热门新闻