レコメンドアルゴリズム入門：基礎から応用まで実装に必要な知識を解説 - Qiita

1: 購入 0: 閲覧(したが購入してない) -: 未観測 ユーザーベース型 ユーザー同士の類似度を計算 「あなたと購入履歴の似たユーザーはこんな商品を買っています」 行を各ユーザーのベクトルとみなして、似たユーザーを見つける（上位N人） 似たユーザーが購入しているアイテムを推薦する（N人の平均値などで購入しそうな順に提示） アイテムベース型 アイテム同士の類似度を計算 「この商品を買ったユーザーはこんな商品も買ってます」 列を各アイテムのベクトルとみなして、類似度の高いアイテムを推薦する（上位M件） 類似度計算には、コサイン類似度やJaccard類似度が使われる。 類似度を計算する際に、未観測「-」は適当な値（0, 0.5など）で埋めるか、無視をする。 ログデータを使うため、情報の少ない新規アイテム/新規ユーザーに弱いコールドスタート問題がある。 コンテンツベースフィルタリング アイテム

[misshiki]

“対象読者： 機械学習はやったことあるが、レコメンドは初めてな人”

[hirorock]

意味がわかってないけどレコメンドに関しての知見を得るためのブクマ

[stealthinu]

レコメンド系のサーベイ。レコメンドは大きなユーザ数相手にするからdeep使うのは難しいのかと思ってたがやはり今だと使うのも結構あるのね。

[zgmf-x20a]

NMFが遺伝子解析でPNASに載ったのが確か2006年なので、割と遅いんだな。

[hirorinya]

学び ただ、安い店の店員みたいなレコメンドにはゲロが出そうと思ってる

[peketamin]

なんとなく俯瞰できてありがたいです