20190209【充实计划】第977期

充实每一天 发表于 2019-2-9 07:08
【加入充实计划】【了解充实计划】
|新充实挑战|    |每日计划清单|
| 【充实积累】| |【充实挑战项目】| ...

昨天阅读1小时，累计阅读80小时

昨天阅读1小时，累计阅读400小时。

今日阅读一小时，Nudge: Improving Decisions About Health, Wealth, and Happiness，5%->7%,累积阅读时间22小时。

昨日阅读时间1小时，总阅读时间400小时

韩寒的“新商业理想国”还能飞驰多久？

https://mp.weixin.qq.com/s/VWb-ZqGXYuatd6ayzu6IMQ

昨日阅读1小时，累计阅读341小时

县城里的房产中介江湖

https://mp.weixin.qq.com/s/nUKyh5qmbYmeV5x5Pnv66A

昨日阅读3小时，总计30小时

ch1. 绪论

    （li）SVD矩阵分解技术改进传统推荐算法，从而帮助推荐平台缓解Web大数据过于稀疏问题。
    （于洪）时间权重信息与用户-项目-属性三分图相结合，根据用户时间权重建立用户积性模型，从而能在一定程度上缓解推荐算法中新项目的冷启动问题。
    （Kluver）融合传统的基于用户的协同过滤（UserCF）、基于物品的协调过滤（ItemCF）和SVD推荐算法，完善了新用户的推荐问题。
    聚类技术、排序学习技术、深度学习技术、逻辑回归技术等数据挖掘技术方法与传统推荐算法相结合。

    多样化推荐结果是优化推荐算法的一个重要方向。（提高推荐集合的准确性为主要目标的推荐算法有其局限性）

    查询词推荐

    本书主要介绍近几年Web大数据分析及推荐方面的一些研究成果（微博大数据分析与推荐方法、Web大数据多层级推荐方法、融合评分矩阵和评论文本的推荐方法、基于社团聚类的推荐方法、基于用户行为的混合推荐方法、融合隐性特征的群组用户推荐方法、分布式群组推荐方法）

ch2. 微博大数据分析与推荐方法

    基于LDA的语义抽取（latent dirichlet allocation）
    LDA是一种文档主题生成模型（三层贝叶斯概率模型，包含词、主题、文档三层结构），文档到主题服从Dirichlet分布，主题到词服从多项式分布。
    LDA也是一种非监督机器学习技术，可以用来识别大规模文档集（document collection）或语料库（corpus）中潜在的主题信息。
    作者用C语言来实现LDA的EM算法（用Python打印）

    另实现了查询词推荐算法

ch3. Web大数据多层级推荐方法
ch4. 融合评分矩阵和评论文本的推荐方法
ch5. 基于社团聚类的推荐方法
ch6. 基于用户行为的混合推荐方法
ch7. 融合隐性特征的群组用户推荐方法
ch8. 分布式群组推荐方法

非常专业，读不下去了。
留待专业研究者（博士/博士后）
The End

转向下一本：从企业角度的大数据基础架构及相关技术实践。。

微软恳求用户：IE不再是正经浏览器，别用了


https://mp.weixin.qq.com/s/WR7THcHoHE1VRfefUtSdQQ

昨日阅读1小时，累计阅读364小时