18.传统推荐算法1
需积分: 0 160 浏览量
2022-08-03
12:51:05
上传
评论
收藏 8.13MB PDF 举报
2022/4/27 13_classic_rec_system
huaxiaozhuan.com/深度学习/chapters/12_classic_rec_system.html 1/97
推荐系统-传统算法
一、Tapestry[1992]
1. 在 1992 年的论文 《Using Collaborative Filtering to Weave An Information
Tapestry》 中，论文提出了一个基于协同过滤 collaborative filtering 的电子邮件过滤系
统。
Tapestry 是 Xerox Palo Alto 研究中心开发的实验邮件系统，其动机来自于电子邮件的日益
使用，导致用户被大量的邮件所淹没。
处理大量电邮的一种方法是提供邮件列表，这使得每个用户只能订阅他们感兴趣的那些列表。但
是，特定用户感兴趣的文档集合很少能够完整的映射到现有的列表。
更好的解决方式是为每个用户指定一个 filter 过滤器，该过滤器将扫描所有的列表，然后在所
有列表中选择用户感兴趣的文档。
目前已经有一些邮件系统支持基于文档内容的过滤。 Tapestry 系统可以在基于内容的过滤之
外，通过引入人们的行为来执行更有效的过滤，这种过滤被称作协同过滤 collaborative
filtering 。
协同过滤通过记录人们对于他/她所阅读文档的反应 reaction 来协同从而帮助彼此进行过滤，这
种反应可能是文档特别有趣（或者特别无趣）。这些反应（通常也被称作注解 annotation ）可
以由其它过滤器访问。
2. 下图给出了 Tapestry 的整体架构：
Indexer ：从电子邮件、 Netnews 等外部来源读取文档，并将其添加到 Document Store
中。 Indexer 负责将文档解析为一组索引字段从而方便在 query 中使用。
Document store ：为所有 Tapestry 文档提供长期存储，该存储仅支持追加。它还在存
储的文档上维护索引，以便可以有效地执行对文档数据库的 query 。
Annotation store ：为文档关联的注解提供长期存储，该存储也只支持追加。
Filterer ：重复对文档集合运行用户指定的一组 query ，那些与 query 匹配的文档将被返
回。
Little box ：将特定用户感兴趣的文档排队。每个用户都有一个 little box ，它里面的
文件由过滤器填充，并由用户的文件阅读器消费。
Remailer ：通过电子邮件定期的将 little box 的内容发送给用户。
Appraiser ：对用户的文档进行个性化分类（如用户的 little box 中的文档）。该功能
可以自动地对文档进行优先级排序和分类。
Reader~Browser ：提供用于访问 Tapestry 服务的用户界面，如添加/删除/编辑过滤器、
检索新文档、显示文档等。
剩余96页未读，继续阅读
普通网友
- 粉丝: 16
- 资源: 319
评论0