知识卡片
共同关注推荐先过滤候选
保留从种子已关注对象发出的边,排除种子本人及已经关注的目标,再按候选被多少朋友关注计数。用该数除以朋友数便于同一用户内解释,但不是关注概率;应先去重关系、处理零朋友和样本缺失。方向颠倒会把推荐变成另一问题。
这张卡片看不懂?
这张卡片已通过人工审查,不再接受失败反馈。
已有反馈 · 0 条
还没有人提交反馈。
在整书笔记中的位置
原书出处 · 1 处
- 第11章 分析社交图谱 建立“感兴趣的人”引擎 · 连续片段1 · 查看原书依据
friends.count<-table(non.friends.el[,2]) 接下来将要展现结果。我们想找到大部分“明显”的三角形,然后闭合它们,因此我们想要找到这份数据中出现最多的那些用户。我们用table函数创建的向量来创建一个数据框。我们也增加了一个归一化方法(norm
参考来源
- 位置:《机器学习:实用案例解析》第11章《建立“感兴趣的人”引擎 · 连续片段1》(来源项目book-sources;源文件:extracted/OReilly精品图书系列共21册(《Javascript权威指南》、《机器学习:实用案例解析》、《编写可读代码的艺术》、《算法精解》等)/_epub-src/text/part3123.html,spine3229)
- 结论依据:原文的案例步骤与解释支持所述机制;R包、外部API与数据接口限定于本书出版时环境,不作为当前兼容性承诺。
- 原始内容:friends.count<-table(non.friends.el[,2]) 接下来将要展现结果。我们想找到大部分“明显”的三角形,然后闭合它们,因此我们想要找到这份数据中出现最多的那些用户。我们用table函数创建的向量来创建一个数据框。我们也增加了一个归一化方法(norm