一、目录组织图(单击图放大)
二、补充笔记
1、情境,简言之,可以理解为用户的一些额外信息,比如位置、时间、天气、是否有同伴陪同等。我认为是能够影响用户决策的一些额外的信息。
2、推荐问题可以归纳为预测一个用户未接触的物品的评分,这个预测通常是基于该用户对其他物品的评分、其他用户对该物品的评分以及一些其他可以利用的信息。
3、显式获得,直接询问用户;隐式获得,例如通过手机获得位置信息;推断获得,通过统计和数据挖掘的方法获得信息。
4、情境预过滤是对原始数据的选择和重构,但是一定要注意,如果过滤的情境的条件苛刻,容易导致数据稀疏。过滤的情境的条件宽松,那么没有针对性。
5、情境后过滤,那么过滤掉无关的推荐或调整列表里推荐的排名。
6、组合预过滤器,首先,手动设定数据块大小阈值,情境预过滤后,如果数据块的大小过小,进行泛化搜索更大的数据块。其次,根据数据的预测性能,如果预测的性能小于没有经过情境过滤的数据,那么淘汰掉这些预过滤器,最后如果再相同的性能下,更加泛化的预过滤器的数据将会留下,其余淘汰。