文件名称：协同过滤实例-probability and statistics for computer science 无水印原版pdf
文件大小：1.28MB
文件格式：PDF
更新时间：2024-07-03 00:22:00
hadoop spark java hive hbase
1.3 协同过滤实例 1.3.1 算法说明 协同过滤（Collaborative Filtering，简称 CF，WIKI 上的定义是：简单来说是利用某个兴趣 相投、拥有共同经验之群体的喜好来推荐感兴趣的资讯给使用者，个人透过合作的机制给予资讯 相当程度的回应（如评分）并记录下来以达到过滤的目的，进而帮助别人筛选资讯，回应不一定 局限于特别感兴趣的，特别不感兴趣资讯的纪录也相当重要。 协同过滤常被应用于推荐系统。这些技术旨在补充用户—商品关联矩阵中所缺失的部分。 MLlib 当前支持基于模型的协同过滤，其中用户和商品通过一小组隐性因子进行表达，并且 这些因子也用于预测缺失的元素。MLLib 使用交替最小二乘法（ALS） 来学习这些隐性因子。