Neo4j 做推荐 （8）—— 协同过滤（利用电影评级）

协同过滤： 使用网络中其他用户的首选项，评级和操作来查找要推荐的项目。 （买这个东西的用户，还买了那个东西） 用户Misty Williams的所有评分 查找Misty的平均评分： 哪些是Misty 评分超过平均分的电影： 由此，通过计算M … 继续阅读 Neo4j 做推荐 （8）—— 协同过滤（利用电影评级）

Neo4j 做推荐 （11）—— 协同过滤（余弦相似度）

余弦距离： Jaacard相似度对于比较电影很有用，实际上是比较两组（类型、演员、导演等）。但是对于电影评级，每个关系都有一个我们可以考虑的权重。 余弦相似度： 两个用户的余弦相似度将告诉我们两个用户对电影的偏好有多相似。具有高余弦相似度的 … 继续阅读 Neo4j 做推荐 （11）—— 协同过滤（余弦相似度）

Neo4j 做推荐 （10）—— 协同过滤（皮尔逊相似性）

皮尔逊相似性或皮尔逊相关性是我们可以使用的另一种相似度量。这特别适合产品推荐，因为它考虑到不同用户将具有不同的平均评分这一事实：平均而言，一些用户倾向于给出比其他用户更高的评分。由于皮尔逊相似性考虑了均值的差异，因此该指标将解释这些差异。 … 继续阅读 Neo4j 做推荐 （10）—— 协同过滤（皮尔逊相似性）

工作是属于公司的，而职业生涯却是属于你自己的

转载自：大飞码字的朋友们的知识星球 工作是属于公司的，而职业生涯却是属于你自己的！ 你所能犯的最大错误就是相信自己是在为别人工作。这样一来你对工作的安全感已然尽失。职业发展的驱动力一定是来自个体本身。记住：工作是属于公司的，而职业生涯却是属 … 继续阅读 工作是属于公司的，而职业生涯却是属于你自己的

Neo4j 做推荐 （9）—— 协同过滤（人群的智慧）

简单的协同过滤 上面的简单的过滤方法其实存在很多问题，例如不基于流行度来进行规范或不考虑评级。 只考虑用户喜欢的类型 许多推荐系统融合了协同过滤和基于内容的方法，对于特定用户，哪些类型的评分高于平均水平？用它来评分类似的电影： 分析： 1. … 继续阅读 Neo4j 做推荐 （9）—— 协同过滤（人群的智慧）