推荐系统笔记--Swing模型的原理

1--Swing模型的引入

在 Item CF 召回中,物品的相似度是基于其受众的交集 来衡量的,但当受众的交集局限在一个小圈子时,就会误将两个不相似的物品定义为相似;

Swing 模型引入用户的重合度来判断两个用户是否属于一个小圈子;

overlap(u1, u2) 用来衡量用户 U1 和 U2 的重叠度,重叠度大代表两个人可能来自同一个小圈子,那么他们对相似度的贡献会比较小。重叠度小,说明他们可能不属于同一个小圈子,则他们对相似度的贡献比较大,

使用 overlap(u1, u2) 可以降低小圈子对相似度的影响,alpha是个人工设置的参数,用来防止分母为 0 的情况;

相关推荐
hongjianMa9 天前
【论文阅读】User Diverse Preference Modeling by Multimodal Attentive Metric Learning
论文阅读·python·推荐系统·多模态推荐
白水baishui14 天前
推荐系统里真的存在“反馈循环”吗?
推荐系统·强化学习·偏差·反馈循环·feedback loop
在未来等你24 天前
互联网大厂Java求职面试:电商商品推荐系统中的AI技术应用
java·缓存·kafka·推荐系统·向量数据库·jvm调优·spring ai
阡之尘埃1 个月前
Python数据分析案例74——基于内容的深度学习推荐系统(电影推荐)
python·深度学习·数据挖掘·数据分析·推荐系统·电影推荐
hongjianMa1 个月前
【论文阅读】Attentive Collaborative Filtering:
论文阅读·深度学习·推荐系统·推荐算法·多模态·自注意力机制
hongjianMa1 个月前
【论文阅读】Adversarial Training Towards Robust Multimedia Recommender System
论文阅读·深度学习·推荐系统·多模态·对抗·vbpr
桥Dopey1 个月前
Milvus 向量数据库详解与实践指南
推荐系统·milvus·向量数据库·图像检索
hongjianMa1 个月前
【论文阅读】Joint Deep Modeling of Users and Items Using Reviews for Recommendation
论文阅读·python·深度学习·卷积神经网络·推荐系统·推荐算法·多模态
&永恒的星河&2 个月前
深入解析xDeepFM:结合压缩交互网络与深度神经网络的推荐系统新突破
神经网络·推荐系统·fm·xdeefm·特征交叉
郑万通4 个月前
10.推荐系统的用户研究
深度学习·推荐系统