基于机器学习的推荐算法设计及用户画像建模
摘要：会员
关键词：个性化推荐系统
一、文献综述
推荐系统能够根据用户的兴趣推荐可能喜欢的商品或内容，目前已经成为互联网中最常见的应用之一，被广泛应用于电商（淘宝、京东）、新闻媒体（今日头条）、内容提供商（豆瓣、微博、优酷）等各个领域。据统计，亚马逊约有30%的销售额、Netflix中约有60%的观看时长、谷歌新闻中约38%的新闻点击都来源于各自的推荐系统，由此可见推荐系统对于互联网来说是至关重要的应用之一。在推荐系统设计中，最关键的一个环节就是设计其背后的推荐算法，然后根据算法的预测为用推荐相关的条目，如商品、电影、电影、音乐等等。本文针对推荐系统中的算法设计问题进行综述，介绍近二十年来主流的推荐算法所采用的基本方法和关键技术，同时分析推荐算法设计中常见的难题以及解决思路，最后简要总结当前国内外推荐算法研究中的热点方向。
二．特征工程
有这么一句话在业界广泛流传：数据和特征决定了机器学习的上限，而模型和算法只是逼近这个上限而已。特征工程的目的是最大限度地从原始数据中提取特征以供算法和模型使用。
2.1数据预处理
通过特征提取，我们能得到未经处理的特征，这时的特征可能有以下问题：
剩余内容已隐藏，您需要先支付 10元 才能查看该篇文章全部内容！立即支付
以上是毕业论文文献综述，课题毕业论文、任务书、外文翻译、程序设计、图纸设计等资料可联系客服协助查找。
