随着电子商务规模的不断扩大,商品个数和种类快速增长,顾客需要花费大量的时间才能找到自己想买的商品。这种浏览大量无关的信息和产品过程无疑会使淹没在信息过载问题中的消费者不断流失。
为了解决这些问题,个性化推荐系统应运而生。个性化推荐系统是建立在海量数据挖掘基础上的一种高级商务智能平台,以帮助电子商务网站为其顾客购物提供完全个性化的决策支持和信息服务。
本套课程用真实的案例,让学员能够掌握推荐系统的知识,对于自己工作中会有很大的帮助。
视频内容:
01.推荐系统指标
02.推荐系统指标介绍
03.jaccard相似度
04.cosine相似度
05.用户相似度矩阵计算
06.用户商品偏好计算
07.用户u对商品i偏好值算法实现
08.基于用户的协同过滤实现
09.实现itemUsersDict提取
10.johnbreese相似度实现-测试
11.基于商品的协同过滤介绍
12.基于itemCF的用户对商品的偏好计算
13.基于itemCF的用户推荐实现
14.基于itemCF的IUF-归一化
15.userCF和itemCF对比
16.冷启动-哈利波特
17.LFM隐语义模型
18.评测指标实现
19.召回率实现
20.准确率实现