Class Central is learner-supported. When you buy through links on our site, we may earn an affiliate commission.

Peking University

推荐系统

Peking University via XuetangX

Overview

推荐系统通过主动向用户推送“千人千面”的个性化信息,能够使用户、平台、商家等多方受益。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。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。

经过多年的研究和教学积累,本课程的配套教材《推荐系统》已经正式出版,配套的程序代码也已开源上线https://github.com/LiuHongzhi-PKU/RSBook。

本课程适合计算机科学与技术、软件工程、数据科学、人工智能等专业的高年级本科生和研究生选修,也适合其他对推荐系统感兴趣且希望了解其背后原理或应用逻辑的人员学习。

Syllabus

  • 1. 推荐系统简介
    • 1.1 推荐系统的意义与价值
    • 1.2 推荐系统的历史与框架
    • 1.3 推荐算法分类
  • 2. 基于邻域的协同过滤
    • 2.1 协同过滤的基本思想与算法分类
    • 2.2 基于用户的协同过滤
    • 2.3 基于项目的协同过滤
    • 2.4 基于邻域的评分预测
    • 2.5 基于二部图的协同过滤
  • 3. 基于模型的协同过滤
    • 3.1 基于关联规则的推荐
    • 3.2 基于矩阵分解的评分预测
    • 3.3 概率矩阵分解框架
    • 3.4 基于矩阵分解的Top-N推荐
  • 4. 基于内容和知识的推荐
    • 4.1 基于内容推荐的系统框架
    • 4.2 向量空间模型
    • 4.3 基于语义的内容相似度
    • 4.4 基于约束的推荐
    • 4.5 基于效用和实例的推荐
  • 5. 混合推荐
    • 5.1 混合推荐简介
    • 5.2 理论依据与算法分类
    • 5.3 平行式混合推荐
    • 5.4 串行式混合推荐
    • 5.5 整体式混合推荐
  • 6. 推荐系统评测
    • 6.1 评测视角与实验方法
    • 6.2 分类准确率指标
    • 6.3 排序、评分及其他指标
    • 6.4 公开实验数据集
  • 期末考试

    Taught by

    Hongzhi Liu

    Tags

    Reviews

    Start your review of 推荐系统

    Never Stop Learning.

    Get personalized course recommendations, track subjects and courses with reminders, and more.

    Someone learning on their laptop while sitting on the floor.