“隐语义”的真正背景 LSA(latent semantic analysis)潜在语义分析,也被称为LSI(latent semantic index),是Scott Deerwester, Susan T. Dumais等人在1990年提出来的一种新的索引和检索方法.该方法和传统向量空间模型(vector space model)一样使用向量来表示词(terms)和文档(documents),并通过向量间的关系(如夹角)来判断词及文档间的关系:而丌同的是,LSA将词和文档映射到潜
SVD在餐馆菜肴推荐系统中的应用 摘要:餐馆可以分为很多类别,比如中式.美式.日式等等.但是这些类别不一定够用,有的人喜欢混合类别.对用户对菜肴的点评数据进行分析,可以提取出区分菜品的真正因素,利用这些因素我们可以估计人们对没去过的餐厅的看法.提取这些信息的方法就是SVD(Singular Value Decomposition).本文首先介绍SVD的数学原理,然后简单介绍推荐系统的相关原理,最后通过python编程实现简单的基于协同过滤的菜肴推荐系统. 关键词:SVD:推荐系统:python:
本栏目(Algorithms)下MIT算法导论专题是个人对网易公开课MIT算法导论的学习心得与笔记.所有内容均来自MIT公开课Introduction to Algorithms中Charles E. Leiserson和Erik Demaine老师的讲解.(http://v.163.com/special/opencourse/algorithms.html) 第二节-------渐近符号.递归及解法 Solving Recurrence 第二节课的内容比较偏数学化,没有算法方面的知识.但尽管
读了一篇paper,MSRA的Wei Wu的一篇<Learning Query and Document Similarities from Click-through Bipartite Graph with Metadata>.是关于Ranking Relevence方面的文章.下面简单讲下我对这篇文章的理解,对这方面感兴趣的小伙伴们可以交流一下. 1. Abstract 这篇文章的重点在于使用query-doc的点击二部图,结合query/doc的meta数据(组织成multiple t