- 综合排序
- 最热优先
- 最新优先
- 来自专栏刘笑江的专栏
基于word2vec协同过滤推荐
引言 在文章 学习协同过滤推荐 \w 100行Python代码 中，介绍了基于物品的协同过滤推荐，根据 user-item 评分矩阵，找出与给定 item 评分最接近的物品，作为推荐结果。 本文用 Python 60 行代码实现了一个 Demo，得到每本书籍在向量空间的表示，输出基于书籍的协同过滤推荐结果。 =False) model = Word2Vec.load_word2vec_format(model_file, binary=False) print('基于书籍的 word2vec 协同过滤推荐') for item in flatMap(vocab): print('\n根据 %s 推荐：' % item) for item_score 推荐结果： 基于书籍的 word2vec 协同过滤推荐 根据 背包十年:我的职业是旅行 推荐： 迟到的间隔年 0.22 人类简史:从动物到上帝 0.11 失控 0.09
3.5K41发布于 2018-05-28 - 来自专栏项目文章
【基于协同过滤算法的推荐系统项目实战-2】了解协同过滤推荐系统
（以前是人工打标签，现在可以自动打标签了） 基于模型的推荐算法：解决协同过滤算法的数据稀疏性的问题。 2、推荐算法的主要分类 2.1 基于关联规则的推荐算法 应用场景：购物篮分析。 通过放入购物篮的不同商品之间的联系，分析顾客的购物习惯。 另外只需要扫描2次数据集，这是和Apriori最大的两个不同点。 2.2 基于内容的推荐算法 简而言之，就是推荐内容相似的物品。 2.3 基于协同过滤的推荐算法 基于用户的协同过滤：是指兴趣相近的用户会对同样的物品感兴趣。 基于物品的协同过滤：是指推荐给用户他们喜欢的物品相似的物品。 2、数据稀疏 用户-物品矩阵是稀疏矩阵。其解决方案如下： 但降低维度也会有一定丢失属性。
85110编辑于 2024-06-07 - 来自专栏开源技术小栈
如何在PHP中使用 Caddy2 协同服务
Caddy Server 是一个模块化的现代Web服务器平台，支持自动HTTPS证书，QUIC和HTTP/2，Zstd和Brotli压缩，以及各种现代功能以及经典的Web服务器功能，如可配置的虚拟主机， 本文介绍了如何将PHP与Caddy Web服务器版本2系列集成，以及高级配置。它还将类似的配置与Apache和Nginx配置进行了比较，以简化从Apache和Nginx到Caddy的迁移。 DOCTYPE html> <html lang="en"> <head> <meta charset="UTF-8"> <title>开源技术小栈Caddy2</title> </head > <body>
2024 开源技术小栈Caddy2入门教程，专注于互联网技术分享
</body> </html> 反向代理 proxy-caddy.tinywan.com {83610编辑于 2024-02-21 - 来自专栏软件测试那些事
人工度量与自动化协同-QECon案例点评2
这个7步法，类似一个PDCA循环，通过共识达成，设定指标，建立共同的目标，然后通过协同完成交付，并在这个过程中通过度量和可视化随时进行检查纠偏，然后通过效能运营对结果进行复盘，并最终将组织的效能沉淀进了产品进行固化 包括了协同的自动化和度量数据获取的自动化。 ? 首先是协同的自动化。一次交付过程，涉及到产品、开发、测试、运维等不同的角色。 这样就促进了流水线上上下游工序之间的协同，让价值流动更加地顺畅。 ? 在度量方面，演讲者通过需求价值流和产研工作流两个流水线之间的协同来实现对于需求价值流的自动化度量数据获取。 通过协同和度量的自动化来降低交接和切换的浪费，并促进质量内建，演讲者在设计这些时应该是躬身入局，花了心思的。 这样的DevOps，才更容易成功。
41360发布于 2021-06-28 - 来自专栏图灵技术域
随机固定分组合作协同进化NSGA2算法（CCNSGA2）
合作协同进化（Cooperative Coevolution）是求解大规模优化算法一个有效的方法。将大规模问题分解为一组组较小的子问题。而合作协同进化的关键是分解策略。 合作协同进化算法请见：https://www.omegaxyz.com/2017/10/14/cooperative_coevolution/ NSGA2算法是一种多目标遗传算法。 此文章是随机固定分组的合作协同进化利用NSGA2来优化。 比如有12个决策变量，我们固定随机优化3个决策变量，那么就将决策变量分成了4组。 %迭代次数 global M M = 2; %目标数量 Dim=22; %搜索空间维数（未知数个数） sub_dim= 2 ; global min_range global https://www.omegaxyz.com/2018/01/22/new_nsga2/
1.2K10发布于 2021-05-21 - 来自专栏null的专栏
简单易学的机器学习算法——协同过滤推荐算法(2)
一、基于协同过滤的推荐系统 协同过滤(Collaborative Filtering)的推荐系统的原理是通过将用户和其他用户的数据进行比对来实现推荐的。 具体的可以参见上一篇文章“协同过滤推荐算法(1) ”。 二、面临的问题 在基本的协同过滤的推荐系统中(主要指上面所提到的基本模型中)，我们是在整个空间上计算相似度，进而实现推荐的。 对于这样的稀疏矩阵，我们利用基本的协同过滤推荐算法的效率必将很低。 （推荐结果） MATLAB代码 主程序 %% 主函数 % 导入数据 %data = [4,4,0,2,2;4,0,0,3,3;4,0,0,1,1;1,1,1,2,0;2,2,2,0,0;1,1,1,0,0 for m = 1:numOfIndex sortIndex(m,:) = itemScore(sortIndex_1(m,:),1); end end 相似度的计算与博文“协同过滤推荐算法
55520发布于 2019-02-13 - 来自专栏null的专栏
简单易学的机器学习算法——协同过滤推荐算法(2)
一、基于协同过滤的推荐系统 协同过滤(Collaborative Filtering)的推荐系统的原理是通过将用户和其他用户的数据进行比对来实现推荐的。 具体的可以参见上一篇文章“协同过滤推荐算法(1) ”。 二、面临的问题 在基本的协同过滤的推荐系统中(主要指上面所提到的基本模型中)，我们是在整个空间上计算相似度，进而实现推荐的。 对于这样的稀疏矩阵，我们利用基本的协同过滤推荐算法的效率必将很低。 （推荐结果） MATLAB代码 主程序 %% 主函数 % 导入数据 %data = [4,4,0,2,2;4,0,0,3,3;4,0,0,1,1;1,1,1,2,0;2,2,2,0,0;1,1,1,0,0 for m = 1:numOfIndex sortIndex(m,:) = itemScore(sortIndex_1(m,:),1); end end 相似度的计算与博文“协同过滤推荐算法
74660发布于 2018-03-15 - 来自专栏CDN及云技术分享
高效协同开发
假设服务机器开通sambas服务端口，并且windows防火墙允许访问。这时候可以在windows打开网盘一样，打开sambas共享的服务器文件夹，把代码工程放置于共享网盘，用IDE打开网盘文件夹的代码工程。
1.8K271发布于 2019-10-15 - 来自专栏全栈程序员必看
FDDTDD协同优化
详细的重选参数如下： 1）重选优先级 现网变更小：TDD内重选参数继承现网； 2）避免乒乓 避免TDD<->FDD乒乓重选：FDD到TDD的异频频点（E/D/F）高优先级重选门限XHigh ≥ FDD+TDD CA实现条件： （1）TF帧偏置要设置一致； （2）主载波建议配置在低频段； （3）终端要求是cat6终端以上。 PRIVATECACOMBID=0,MAXAGGREGATEDBW=40,BWCOMBSETID=0,COMBBAND1ID=3, COMBBAND1BW=Bandwidth_20M-1,COMBBAND2ID =38,COMBBAND2BW=Bandwidth_20M-1; 打开CA算法开关 MOD ENODEBALGOSWITCH: CaAlgoSwitch=FreqCfgSwitch-1&AdpCaSwitch PCCDLEARFCN=1275,SCCDLEARFCN=37900 PCC小区修改CA SCC添加和删除门限((FDD) MOD CAMGTCFG: LocalCellId=65, CarrAggrA2ThdRsrp
1.9K10编辑于 2022-09-05 - 来自专栏Pythonista
git协同开发
当你从远程仓库克隆时，实际上Git自动把本地的master分支和远程的master分支对应起来了，并且，远程仓库的默认名称是origin。
94330发布于 2018-12-24 - 来自专栏星河造梦坊专栏
Lua⭐️协同函数
取得协同函数的返回值 --取得协同函数的返回值 co=coroutine.create( function (a,b) print(a+b) print(a-b) coroutine.yield a*b+1,a-1) print("hello") return a end ) --第一个数永远是是否启动(返回true、false)，第二个数则为函数return返回值 --无法取得协同之后 return的值，但可以在yield里面定义输出的值 --调用coroutine.resume()，不必再次赋值，即可将挂起的协同函数继续往下运行 res1,res2,res3,res4=coroutine.resume (co,10,40) print(res1,res2,res3,res4) print("next") coroutine.resume(co) coroutine的状态 coroutine.status coroutine.yield(a*b+1,a-1) print("hello") return a end ) print(coroutine.running()) res1,res2,
47510编辑于 2024-08-15 - 来自专栏前端博客
协同文档：OT与CRDT实现协同编辑笔记
链式反应法则 定义 $V_n=C_1C_2...C_n$ 为第 $n$ 版本的服务端的文档。 假设服务端的数据库存储了形如 $V_0→V_1→V_2→V_3→...→V_m→ ... client 的实例应该暴露创建一个协同文档的接口 可以在一个 client 上创建多个协同文档 定义 client 协同文档： 协同文档是一个父类 协同文档的方法 进入文档 编辑（传入变更） 离开文档 id U0@T1 insert 'a' at index 0 id U0@T2 insert 'b' at index 1 id U0@T3 insert 'c' at index 2 id U0@T4 delete 'c' at index 2 id U0@T5 delete 'd' at index 2 一般会这样定义操作，但是这样的操作是线性依赖的，每个操作都是依赖前一个操作的结果，并发的时候， id U0@T1 insert 'a' at id null id U0@T2 insert 'b' at id U0@T1 id U0@T3 insert 'c' at id U0@T2 id U0@
2.5K31编辑于 2023-04-09 QClaw V2大版本上线：支持多Agent协同、跨应用直连
今天，QClaw V2大版本正式上线，新版本（V0.2.5）带来三大核心能力升级：// 上线多Agent功能，“团队”干活更高效以前的龙虾，一次只能干一件事，而且遇到复杂的长任务，很容易撑爆它的记忆（上下文 现在，QClaw V2版本上线了多Agent功能，你可以同时拉起最多3个Agent并行工作，把复杂长任务拆解、消化。 每个Agent的性格、口吻与经验均可自定义。 QClaw V2版本推出的连接器功能，希望能够更好解决这个“最后一公里”的问题。 目前，QClaw V2版本首期已经接入了腾讯文档、腾讯会议、ima、金山文档、腾讯问卷、Notion、邮箱等主流工具，覆盖日常高频场景。 QClaw V2版本这次也上线了业内首个自带安全防护的「龙虾管家」。 开启这个功能后，电脑上会挂一个“龙虾管家保护条”。
42230编辑于 2026-04-13- 来自专栏UniPro
协同工具协同办公的管理具有哪些痛点
掌握着软件开发能力的顶尖互联网公司是远程办公的先行者，他们在远程办公之路上走得更快也更远，但还有大量传统企业、中小微企业对于远程办公的效率还无法实现理想效果，协同办公效率依赖于协同工具的选择和使用，影响协同办公效率的难点和痛点如下 ：· 员工的绩效考核难管理线上协同办公由于脱离了办公室的工作场景，管理者难以把控员工的绩效问题，员工的考勤、工作时间、工作纪律等无法直观把控；员工的工作汇报、提交工作成果的形式也会随之变化。 · 员工沟通互动效率低传统的办公模式中，人们习惯于面对面沟通交流，而线上协同办公是利用各种软件隔着屏幕在线沟通，信息传递的方式发生变化，不如面对面更直接，有些员工沟通互动的意愿和效率会因此变低。 在企业解决以上难点的考量中，协同工具的选择变得尤为重要，一款合适的协同工具能够帮助企业提高办公效率、管理效率。 安全方面，UniPro从产品创立之初即强调用户信息安全，将缜密的安全保障思想融入代码，是国内协同工具中，为数不多获得ISO27001信息安全管理体系认证的产品之一。
1.1K10编辑于 2022-07-15 - 来自专栏Python、Flask、Django
ycyy 协同开发操作
1.1.1 创建账号 到 Github 注册 页面中注册用户，填写用户名、邮箱和密码 选择免费服务 步骤三可以跳过，也可以根据自身喜好勾选 1.1.2 创建远程仓库 1.1.3 Fork协同项目 点击我创建的仓库页面仓库地址右上角的 = 姓名 修改后使用下面命令提交代码到本地： git add README.md git commit -m 'fix #X add info to README' 注意 X 需要替换成你在任务2中创建的 issue 的 ID，如果 issue 的 ID 为 2，那么就写成 git commit -m 'fix #2 add info to README'，这样，当你的代码被合并到主项目的时候， #2 提交的 Pull Request 中的信息可以自己填写，然后我来检查并合并 PR（Pull Request） 1- 提交PR 1、首先Fork主仓库 2、将Fork后的仓库克隆下来 3、修改要修复的代码 xxx" git push origin master （如果出现冲突：git push origin master -f 强制推） 5、在本地代码仓库页面，选择new pull request 2-
94420发布于 2018-07-17 - 来自专栏码的一手好代码
Hadoop协同框架-Flume
Flume 结构以及使用 Flume结构 Source : 用户配置采集数据的方式（Http、LocalFileSystem、Tcp） Channel ——中间件 Memory
58120发布于 2019-07-24 - 来自专栏2014前端笔记
协同编辑 - OT算法
对于在线文档的难点，大部分同学的第一反应都是协同编辑，如何解决多人协作的冲突的问题。 对于协同编辑场景，都要解决哪些问题呢？ 支持将多次操作合并成一次 对不同用户的多次操作进行合并，并返回相对应的opts，使不同用户的界面展示保持一致。 2. 2). b的插入操作是第二优先级，在相同位置下，b的添加操作，从结果上看，都是先于a的保留或者添加的。 3). 如果a，b都是保留操作，那我们就保留两个中的公共长度 4). 2). 如果a和b都是保留操作，那么a'和b'都应该保留min(a, b)的长度 3). 如果a和b都是删除操作，那么我们只需要保留两边删除元素不一致的地方即可，然后进入下面的判断 4).
2K11发布于 2020-12-29 - 来自专栏字根中文校对软件
协同推荐系统简介
有2种最基础类型的协同推荐系统： 1 基于当前活跃用户 和 上一个用户的相似性 来进行分析（一般是计算用户购买或者感兴趣的商品来进行）；侧重于用户 2 基于当前用户选择（或感兴趣）的商品 和 上一个用户感兴趣的商品的相似性来进行分析 根据实现机制物理载体划分，以上两类协同推荐系统可以分为：内存型 和 模式型的协同推荐。 我们在进行协同分析的时候，要考虑协同的意义。一般来说协同就是指多个用户或多个数据项的交叉作用。如果数据项较多的情况下，如何定义数据项的关系就是个重要问题了。 下面说一下协同系统的设计要素吧： 1 数据项 Item 2 项集合 ItemCollection 3 数据项的关系权重 DirectedEdge 4 数据项在数据集合中的存储方式 具体的算法实现过程 推荐阅读：协同过滤(Collaborative Filtering)
93741发布于 2019-02-14 - 来自专栏学习与分享
协同过滤算法
协同过滤算法是一类常用于推荐系统的算法，它基于用户之间或物品之间的相似性进行推荐。主要分为两种类型：基于用户的协同过滤和基于物品的协同过滤。以下是对这两种协同过滤算法的详细讲解： 1. 基于用户的协同过滤 1.1 思想 基于用户的协同过滤是通过分析用户之间的相似性来进行推荐。 2. 基于物品的协同过滤 2.1 思想 基于物品的协同过滤是通过分析物品之间的相似性来进行推荐。 混合型协同过滤 为了克服基于用户和基于物品的协同过滤各自的缺点，也有一些算法将它们结合起来，形成混合型协同过滤算法。 3.1 混合型协同过滤的思想 混合型协同过滤结合了基于用户和基于物品的协同过滤算法，充分利用它们的优点，以提高推荐系统的准确性和鲁棒性。
1.1K10编辑于 2024-02-20 - 来自专栏全栈程序员必看
协同过滤算法
协同过滤算法 协同过滤（Collaborative Filtering）推荐算法是最经典、最常用的推荐算法。 目前应用比较广泛的协同过滤算法是基于邻域的方法， 而这种方法主要有下面两种算法： * **基于用户的协同过滤算法(UserCF)**: 给用户推荐和他兴趣相似的其他用户喜欢的产品 * **基于物品的协同过滤算法 这时候，如果要向Alice推荐2款产品的话， 我们就可以推荐物品1和物品5给Alice 至此， 基于用户的协同过滤算法原理介绍完毕。 协同过滤算法的问题分析 协同过滤算法存在的问题之一就是**泛化能力弱**， 即协同过滤无法将两个物品相似的信息推广到其他物品的相似性上。 > 下面是UserCF和ItemCF的优缺点对比： （来自项亮推荐系统实践） 2.**协同过滤在计算上有什么缺点？有什么比较好的思路可以解决（缓解）？
1.3K20编辑于 2022-09-06
腾讯云开发者
Copyright © 2013 - 2026 Tencent Cloud. All Rights Reserved. 腾讯云 版权所有
深圳市腾讯计算机系统有限公司 ICP备案/许可证号：粤B2-20090059 
粤公网安备44030502008569号
腾讯云计算（北京）有限责任公司 京ICP证150476号 | 京ICP备11018762号