【北京大学】推荐系统【全26讲】

爱学习的小刚子

Parts

  1. P1 · 1.1 推荐系统的意义与价值
  2. P2 · 1.2 推荐系统的历史与框架
  3. P3 · 1.3 推荐算法分类
  4. P4 · 2.1 协同过滤的基本思想与算法分类
  5. P5 · 2.2 基于用户的协同过滤
  6. P6 · 2.3 基于项目的协同过滤
  7. P7 · 2.4 基于邻域的评分预测
  8. P8 · 2.5 基于二部图的协同过滤
  9. P9 · 3.1 基于关联规则的推荐
  10. P10 · 3.2 基于矩阵分解的评分预测
  11. P11 · 3.3 概率矩阵分解框架
  12. P12 · 3.4 基于矩阵分解的Top-N推荐
  13. P13 · 4.1 基于内容推荐的系统框架
  14. P14 · 4.2 向量空间模型
  15. P15 · 4.3 基于语义的内容相似度
  16. P16 · 5.1 基于约束的推荐
  17. P17 · 5.2 基于效用的推荐
  18. P18 · 6.1 混合推荐简介
  19. P19 · 6.2 理论依据与方法分类
  20. P20 · 6.3 并行式混合推荐
  21. P21 · 6.4 串行式混合推荐
  22. P22 · 6.5 整体式混合推荐
  23. P23 · 7.1 评测视角与实验方法
  24. P24 · 7.2 评分预测评价指标
  25. P25 · 7.3 Top-N推荐评价指标
  26. P26 · 7.4 公开实验数据集
Description 
来源：北京大学
主讲教师：刘宏志
原文发布时间：2022-02-10 09:31:02
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。课程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。