IT技术博客大学习 共学习 共进步

推荐算法Slope One初探

标点符 2012-02-26 22:51:40 浏览 4,344 次

    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”。

    建议继续学习

    1. 基于综合兴趣度的协同过滤推荐算法 (阅读 4,823)
    2. 推荐系统的问题 (阅读 4,642)
    3. 如何从无到有建立推荐系统 (阅读 4,383)
    4. 淘宝搜索中Query下拉推荐技术 (阅读 4,241)
    5. 音乐智能推荐 (阅读 4,224)
    6. 基于关联规则的推荐系统 (阅读 3,883)
    7. 用搜索的倒排轻松搞定“好友的文章”类相关推荐功能 (阅读 3,361)
    8. 只有算法的个性化推荐没有未来 (阅读 3,342)
    9. 数据驱动销售――个性化推荐引擎 (阅读 3,142)
    10. 关键词推荐技术介绍 (阅读 2,863)