|
課程概述
推薦系統通過主動向用戶推送「千人千面」的個性化信息，能夠使用戶、平台、商家等多方受益。本課程主要講解各種推薦系統和推薦算法的基本思想、原理、設計實現和典型應用。採用問題引導與示例展示相結合的講解方式，通過圖、表等可視化方式直觀展示各種推薦系統和算法的思想、原理和具體步驟。
經過多年的研究和教學積累，本課程的配套教材《推薦系統》已經正式出版，配套的程序代碼也已開源上線https://github.com/LiuHongzhi-PKU/RSBook。
本課程適合計算機科學與技術、軟件工程、數據科學、人工智能等專業的高年級本科生和研究生選修，也適合其他對推薦系統感興趣且希望瞭解其背後原理或應用邏輯的人員學習。
教學單元
1 1. 推薦系統簡介
1.1 推薦系統的意義與價值
1.2 推薦系統的歷史與框架
1.3 推薦算法分類
2 2. 基於鄰域的協同過濾
2.1 協同過濾的基本思想與算法分類
2.2 基於用戶的協同過濾
2.3 基於項目的協同過濾
2.4 基於鄰域的評分預測
2.5 基於二部圖的協同過濾
3 3. 基於模型的協同過濾
3.1 基於關聯規則的推薦
3.2 基於矩陣分解的評分預測
3.3 概率矩陣分解框架
3.4 基於矩陣分解的Top-N推薦
4 4. 基於內容和知識的推薦
4.1 基於內容推薦的系統框架
4.2 向量空間模型
4.3 基於語義的內容相似度
4.4 基於約束的推薦
4.5 基於效用和實例的推薦
5 5. 混合推薦
5.1 混合推薦簡介
5.2 理論依據與算法分類
5.3 平行式混合推薦
5.4 串行式混合推薦
5.5 整體式混合推薦
6 6. 推薦系統評測
6.1 評測視角與實驗方法
6.2 分類準確率指標
6.3 排序、評分及其他指標
6.4 公開實驗數據集
課程列表
名稱 時間長度
第01講1.1 推薦系統的意義與價值 00:10:02
第02講1.2 推薦系統的歷史與框架 00:13:55
第03講1.3 推薦算法分類 00:12:44
第04講2.1 協同過濾的基本思想與算法分類 00:10:13
第05講2.2 基於用戶的協同過濾 00:15:30
第06講2.3 基於項目的協同過濾 00:11:49
第07講2.4 基於鄰域的評分預測 00:13:51
第08講2.5 基於二部圖的協同過濾 00:23:23
第09講3.1 基於關聯規則的推薦 00:19:47
第10講3.2 基於矩陣分解的評分預測 00:16:39
第11講3.3 概率矩陣分解框架 00:12:32
第12講3.4 基於矩陣分解的Top-N推薦 00:11:50
第13講4.1 基於內容推薦的系統框架 00:07:11
第14講4.2 向量空間模型 00:16:40
第15講4.3 基於語義的內容相似度 00:14:21
第16講4.4 基於約束的推薦 00:12:13
第17講4.5 基於效用和實例的推薦 00:15:40
第18講5.1 混合推薦簡介 00:06:38
第19講5.2 理論依據與算法分類 00:08:56
第20講5.3 平行式混合推薦 00:13:04
第21講5.4 串行式混合推薦 00:08:17
第22講5.5 整體式混合推薦 00:08:33
第23講6.1 評測視角與實驗方法 00:07:10
第24講6.2 分類準確率指標 00:21:46
第25講6.3 排序、評分及其他指標 00:13:10
第26講6.4 公開實驗數據集
|
GS_6558