-
基于惩罚因子的协同过滤算法的改进与研究
摘 要 ：当今时代，信息量呈爆炸式增长，推荐系统是处理海量信息的一种有效方式，也是一种无需用户提出明确需求就可帮助用户快速发现有用信息的工具。在推荐系统中，协同过滤算法有着重要应用。传统协同过滤算法通常使用余弦相似度公式进行兴趣相似度计算，但是很多情况下热门物品会影响到推荐结果，并不能较好地反映用户需求。文中对传统协同过滤算法余弦相似度计算公式提出改进方案，给出一个带有惩罚因子的余弦相似度修正公式，可以较好地抑制热门物品对用户实际相似度的影响，改善用户近邻集合的划分，从而实现更好的推荐效果。经实验测试，推荐系统的性能指标得到了一定的改善。
-
协同过滤算法的研究
摘要：协同过滤算法已经普遍地应用于商业推荐系统中并且取得了巨大的成功。协同过滤算法可以分为基于用户的算法和基于物品的算法两大类，每一类中又包含多种适用性不同的算法。为了使推荐系统设计人员能够更好地针对其系统用户及物品的特征选择有效的协同过滤算法，文中通过对比的方法，阐述了各种基于用户和基于物品的协同过滤算法的实现方法及对应的优缺点。
-
腾讯音乐：全民K歌推荐系统架构及粗排设计
腾讯音乐娱乐集团 ( TME ) 目前有四大移动音乐产品：QQ音乐、酷狗音乐、酷我音乐和全民K歌，总月活超8亿。
-
推荐系统解构
由于移动互联网时代用户每时每刻都会产生海量信息，伴随着大数据技术的快速发展，使得企业能够迎合用户的痛点，分析用户喜好，进行商品推荐。
-
23张图，带你入门推荐系统
这篇文章属于推荐系统的入门篇，目的是先了解清楚推荐系统的基本构成。
