在参加一次个性化推荐预测比赛过程中,为了方便观测和比较不同算法预测的结果,“一不小心”就实现了个简单的性化推荐系统。

实现原理是根据以前整理过的原理:《一张图了解个性化推荐算法》

根据用户百万条历史行为数据,包括:
user_id 用户唯一IDitem_id 内容或物品唯一IDcate_id 内容或物品类别IDaction_type
用户行为类型,例如view(点击)、deep_view(深度阅读)、share(分享)、comment(评论)、collect(收藏)等action_time
行为发生时间
可进行:


可使用不同推荐算法(User-CF、Item-CF、热榜、混合),给指定用户推荐其可能感兴趣的内容或物品热榜内容推荐排序支持hackernews算法(解决过热问题)、基于用户行为类型打分(如
分享 > 评论 > 收藏 > 深度阅读 > 点击)给指定用户推荐其他相似行为用户;用户行为统计分析;



个性化推荐系统



推荐相似行为用户



▍需要帮助?联系我们

 

 

大数据部落 <http://y0.cn/teradat>       -中国专业的第三方数据服务提供商,提供定制化的一站式数据挖掘和

统计分析和数据挖掘咨询服务:y0.cn/teradat <http://y0.cn/teradat>(咨询服务请联系官网客服
<http://dwz.cn/YntAj>)

<http://wpa.qq.com/msgrd?v=3&uin=3025393450&site=qq&menu=yes>QQ:3025393450

 

【服务场景】        

 科研项目; 公司项目外包;线上线下一对一培训;学术研究。

【大数据部落】提供定制化的一站式数据挖掘和统计分析咨询服务

  <http://y0.cn/teradat>

分享最新的大数据资讯,每天学习一点数据分析,让我们一起做有态度的数据人

微信客服号:lico_9e

QQ交流群:186388004  

<http://y0.cn/teradat>

欢迎关注微信公众号,了解更多数据干货资讯!

加入欢迎的我们大数据学习必备利器课程
<http://study.163.com/course/courseMain.htm?courseId=1003776041&share=2&shareId=1023497288>




http://study.163.com/course/courseMain.htm?courseId=1003776041&share=2&shareId=1023497288

<http://study.163.com/course/courseMain.htm?courseId=1003776041&share=2&shareId=1023497288>

  <http://y0.cn/teradat>

 

友情链接
KaDraw流程图
API参考文档
OK工具箱
云服务器优惠
阿里云优惠券
腾讯云优惠券
华为云优惠券
站点信息
问题反馈
邮箱:[email protected]
QQ群:637538335
关注微信