基于图的推荐 Personal Rank 将用户对物品的行为用二分图(二部图)表示，通过随机游走来计算用户与物品之间的相关度，相关度通过以下三个方面体现： 两个顶点之间

隐语义模型LFM(latent factor model) 参考文章https://blog.csdn.net/sinat_22594309/article/deta

ItemCF(Item-based Collaborative Filtering基于物品的协同过滤) 给用户推荐他之前喜欢的物品相似的物品 关键：计算用户u对物品j的兴趣 学术上： 工业上： 活跃用户应该被降

召回 召回：根据用户的属性行为上下文等信息从物品全集中选取其感兴趣的物品作为候选集(即选取用户感兴趣的物品) 召回的意义：相比于对全部商品进行分

STL 泛型编程 –> 模板 –> STL几乎全是模板 <cstdio>与<stdio.h>的不同在于cstdio将函数放在了命名空间s

修改为静态ip 修改vi /etc/sysconfig/network-scripts/ifcfg-ens33文件 BOOTPROTO=static //修改为静态ip IPADDR="192.168.1.100" GATEWAY=192.168.1.2 ONBOOT=yes //

首先，一个推荐算法的最终上线，要经过以下三个实验： 通过离线实验证明它在很多离线指标上不低于现有的算法 通过用户调查确定它的用户满意度不低于现有

激活函数 sigmoid函数主要用于二元分类的输出层，其他情况不推荐使用 与sigmoid相比，tanh激活函数一般要优与sigmoid函数，因

本质 寻找或拟合一个函数f，给定输入x，能够输出理想的y 步骤 数据预处理与特征选择 剔除NULL值；提取数据的特征向量，具体的如年龄、性别等；有的

编译流程 .c文件经过 预编译 ，将宏和头文件展开，生成 .i 文件，之后经过 编译 ，将文件编译成汇编语言，生成 .s 文件，再经过 汇编 ，将文件汇编成目标文件 .o