- (新)第26集 7.4 公开实验数据集
- (新)第25集 7.3 Top-N推荐评价指标
- (新)第24集 7.2 评分预测评价指标
- 第23集 7.1 评测视角与实验方法
- 第22集 6.5 整体式混合推荐
- 第21集 6.4 串行式混合推荐
- 第20集 6.3 并行式混合推荐
- 第19集 6.2 理论依据与方法分类
- 第18集 6.1 混合推荐简介
- 第17集 5.2 基于效用的推荐
- 第16集 5.1 基于约束的推荐
- 第15集 4.3 基于语义的内容相似度
- 第14集 4.2 向量空间模型
- 第13集 4.1 基于内容推荐的系统框架
- 第12集 3.4 基于矩阵分解的Top-N推荐
- 第11集 3.3 概率矩阵分解框架
- 第10集 3.2 基于矩阵分解的评分预测
- 第9集 3.1 基于关联规则的推荐
- 第8集 2.5 基于二部图的协同过滤
- 第7集 2.4 基于邻域的评分预测
- 第6集 2.3 基于项目的协同过滤
- 第5集 2.2 基于用户的协同过滤
- 第4集 2.1 协同过滤的基本思想与算法分类
- 第3集 1.3 推荐算法分类
- 第2集 1.2 推荐系统的历史与框架
- 第1集 1.1 推荐系统的意义与价值
本课程主要讲解各种推荐系统和推荐算法的基本思想、原理、设计实现和典型应用。课程采用问题引导与示例展示相结合的讲解方式，通过图、表等可视化方式直观展示各种推荐系统和算法的思想、原理和具体步骤。
关注公众号:diyijc_com 问题反馈
关注公众号:diyijc_com 问题反馈
本课程主要讲解各种推荐系统和推荐算法的基本思想、原理、设计实现和典型应用。课程采用问题引导与示例展示相结合的讲解方式，通过图、表等可视化方式直观展示各种推荐系统和算法的思想、原理和具体步骤。
推荐系统相关文章：
扫一扫手机观看！
最新更新的教程榜单
- 人工智能与科学之美10-06
- ARM体系结构与程序设计10-06
- 信息检索10-06
- 玩转计算机网络——计算机网络原理10-06
- Blockly创意趣味编程08-05
- 操作系统08-05
- 人工智能导论08-05
- 车载网络技术08-05
- Office高级应用08-05
- 计算机网络08-05
