          推薦系統(tǒng)培訓(xùn)

01
推薦系統(tǒng)簡(jiǎn)介

1.1 推薦系統(tǒng)的意義與價(jià)值
1.2 推薦系統(tǒng)的歷史與框架
1.3 推薦算法分類
02
基于鄰域的協(xié)同過濾

2.1 協(xié)同過濾的基本思想與算法分類
2.2 基于用戶的協(xié)同過濾
2.3 基于項(xiàng)目的協(xié)同過濾
2.4 基于鄰域的評(píng)分預(yù)測(cè)
2.5 基于二部圖的協(xié)同過濾
03
基于模型的協(xié)同過濾

3.1 基于關(guān)聯(lián)規(guī)則的推薦
3.2 基于矩陣分解的評(píng)分預(yù)測(cè)
3.3 概率矩陣分解框架
3.4 基于矩陣分解的Top-N推薦
04
基于內(nèi)容和知識(shí)的推薦

4.1 基于內(nèi)容推薦的系統(tǒng)框架
4.2 向量空間模型
4.3 基于語義的內(nèi)容相似度
4.4 基于約束的推薦
4.5 基于效用和實(shí)例的推薦
05
混合推薦

5.1 混合推薦簡(jiǎn)介
5.2 理論依據(jù)與算法分類
5.3 平行式混合推薦
5.4 串行式混合推薦
5.5 整體式混合推薦
06
推薦系統(tǒng)評(píng)測(cè)

6.1 評(píng)測(cè)視角與實(shí)驗(yàn)方法
6.2 評(píng)分預(yù)測(cè)評(píng)價(jià)指標(biāo)
6.3 Top-N推薦評(píng)價(jià)指標(biāo)
6.4 公開實(shí)驗(yàn)數(shù)據(jù)集