flyada的个人博客分享 http://blog.sciencenet.cn/u/flyada

博文

按标题搜索
分享 [转载]个性化推荐的十大挑战之十:社会推荐
2012-4-5 16:13
挑战十:社会推荐 。 很早以前,研究人员就发现,用户更喜欢来自朋友的推荐而不是被系统“算出来的推荐” 。社会影响力被认为比历史行为的相似性更加重要 ,例如通过社会关系的分析,可以大幅度提高从科研文献 到网购商品 推荐的精确度。来自朋友的社会推荐有两方面的效果:一是增加 ...
个人分类: 随手摘录|3731 次阅读|没有评论
分享 [转载]个性化推荐的十大挑战之九:多维数据的交叉利用
2012-4-5 16:09
挑战九:多维数据的交叉利用 。 目前网络科学研究一个广受关注的概念是具有相互作用的网络的结构和动力学。网络与网络之间的相互作用大体可以分成三类: 第一类是依存关系 ,譬如电力网络和 Internet ,如果发生了大规模停电事故,当地的自主系统和路由器也会受到影响,导致网络局部中断 ...
个人分类: 随手摘录|3577 次阅读|没有评论
分享 [转载]个性化推荐的十大挑战之八:用户界面与用户体验
2012-4-5 16:06
挑战八:用户界面与用户体验 。 这个问题更多地不是一个学术性质的问题,而是真实应用的问题。十年前就有学者指出 ,推荐结果的可解释性,对于用户体验有至关重要的影响——用户希望知道这个推荐是怎么来的。在这个意义上,协同过滤有明显的优势,譬如亚马逊基于商品的协同过滤在发送推荐的电子 ...
个人分类: 随手摘录|3084 次阅读|没有评论
分享 [转载]个性化推荐的十大挑战之七:推荐系统效果评估
2012-4-5 15:50
挑战七:推荐系统效果评估 。 推荐系统的概念提出已经有几十年了,但是怎么评价推荐系统,仍然是一个很大的问题。常见的评估指标可以分为四大类,分别是准确度、多样性、新颖性和覆盖率,每一类下辖很多不同的指标,譬如准确度指标又可以分为四大类,分别是预测评分准确度、预测评分关联、分类准确 ...
个人分类: 随手摘录|5712 次阅读|没有评论
分享 [转载]个性化推荐的十大挑战之六:用户行为模式的挖掘和利用
2012-4-5 15:47
挑战六:用户行为模式的挖掘和利用 。 深入挖掘用户的行为模式有望提高推荐的效果或在更复杂的场景下进行推荐。譬如说,新用户和老用户具有很不一样的选择模式:一般而言,新用户倾向于选择热门的商品,而老用户对于小众商品关注更多 ,新用户所选择的商品相似度更高,老用户所选择的商品多样性 ...
个人分类: 随手摘录|4370 次阅读|没有评论
分享 [转载]个性化推荐的十大挑战之五:推荐系统的脆弱性问题
2012-4-5 15:45
挑战五:推荐系统的脆弱性问题 。 受推荐系统在电子商务领域重大的经济利益的驱动,一些心怀不轨的用户通过提供一些虚假恶意的行为,故意增加或者压制某些商品被推荐的可能性 。因此,一个算法能否在一定程度上保持对恶意攻击的鲁棒性,成为需要认真考虑的一个特征。以最简单的关联规则挖掘算法 ...
个人分类: 随手摘录|3931 次阅读|没有评论
分享 [转载]个性化推荐的十大挑战之四:多样性与精确性的两难困境
2012-4-5 15:38
挑战四:多样性与精确性的两难困境 。 如果要给用户推荐他喜欢的商品,最“保险”的方式就是给他特别流行或者得分特别高的商品,因为这些商品有更大的可能性被喜欢(至少贝叶斯会这么想),往坏了说,也很难特别被讨厌。但是,这样的推荐产生的用户体验并不一定好,因为用户很可能已经知道这些热销 ...
个人分类: 随手摘录|4198 次阅读|没有评论
分享 [转载]个性化推荐的十大挑战之三:大数据处理与增量计算问题
2012-4-5 15:34
挑战三:大数据处理与增量计算问题 。 尽管数据很稀疏,大部分数据都拥有百千万计的用户和商品,因此,如何快速高效处理这些数据成为迫在眉睫的问题,而算法时间和空间的复杂性,尤其是前者,获得了空前重视。一个高效的算法,要么复杂性很低,要么能够很好并行化,要么两者兼具。局部扩散算法在这 ...
个人分类: 随手摘录|6208 次阅读|没有评论
分享 [转载]个性化推荐的十大挑战之二:冷启动问题
2012-4-5 15:31
挑战二:冷启动问题 。 新用户因为罕有可以利用的行为信息,很难给出精确的推荐。反过来,新商品由于被选择次数很少,也难以找到合适的办法推荐给用户。一种办法是利用文本信息进行辅助推荐,或者通过注册以及询问得知一些用户的属性信息,譬如年龄、居住城市、受教育程度、性别、职业等等 。最 ...
个人分类: 随手摘录|3695 次阅读|没有评论
分享 [转载]个性化推荐的十大挑战之一:数据稀疏性问题
热度 1 2012-4-5 15:27
挑战一:数据稀疏性问题 。 现在待处理的推荐系统规模越来越大,用户和商品(也包括其他物品,譬如音乐、网页、文献……)数目动辄百千万计,两个用户之间选择的重叠非常少。如果以用户和商品之间已有的选择关系占所有可能存在的选择关系的比例来衡量系统的稀疏性,那么我们平时研究最多的MovieLe ...
个人分类: 随手摘录|11783 次阅读|1 个评论 热度 1

Archiver|手机版|科学网 ( 京ICP备14006957 )

GMT+8, 2019-10-24 13:09

Powered by ScienceNet.cn

Copyright © 2007- 中国科学报社

返回顶部