简单推荐算法,简单选择排序算法

简单推荐算法,简单选择排序算法

5类常见的推荐算法　　◆◆◆ 　　序⾔ 　　最近因为PAC平台⾃动化的需求，开始探坑推荐系统。这个乍⼀听去乐趣⽆穷的课题，对于算法⼤神们来说是这样的：　　　⽽对于刚接这本书就是康奈尔大神Kleinberg的经典教材《算法设计》Algorithm Design),一本最适合入门的经典算法书！2、好书推荐《算法设计》作者：[美] 乔恩•克莱因伯格(Jon Kleinberg) 伊

基于关联规则的推荐算法思路非常简单朴素，算法也易于实现，Spark Mllib中有关联规则的两种分布式实现FP-Growth和PrefixSpan,大家可以直接拿来使用(关于这两个实t = a(i) 't作为中间变量，冒泡算法常见a(i) = a(j)a(j) = t End If Next j Next i

(#｀′)凸 基于内容的推荐算法思路很简单，它的原理大概分为3步：数据结构一、为每一个物品(Item)构建一个物品的属性资料(Item Profile)spa 二、为每一个用户(User)构建一▲图4 基于商品的协同过滤推荐这个示例中，喜欢商品B的用户A和用户B都喜欢商品D,那么商品B和商品D就可以分为同类。对于同样喜欢商品B的用户C,很有可能也喜欢商品D,就可以将商品D推

基于协同：基于协同过滤的推荐算法( Collaborative Filtering Recommendation)技术是推荐系统中应⽤最早和最为成功的技术之⼀。它⼀般采⽤最近邻技术，利⽤⽤户的历史喜好信其中第一种是考虑用户之间的相似性，先根据被推荐的用户，寻找相似的用户，找到一个相似用户后，预测被推荐用户对相似用户喜欢的物品的评分，然后再寻找相似的用户，直到满足终止条件为止

推荐算法就有大量不同的训练方式，除了point-wise，还有pair-wise，list-wise等等。此外为了增加用户的基于人口统计的推荐是相对简单的一种推荐算法，它会根据用户的基本信息进行分类，然后将商品推荐给同类用户，如图1所示。▲图1 基于人口统计的推荐算法用户A和用户C的年龄相近、性别