推荐系统

题集来源:Datawhale(datawhalechina)收录项目:daily-interview查看原题集

原文作者
Summer 其中第 1—13 题来自 Summer 编写的协同过滤文档。

题目目录

24 道原题
  1. 在协同过滤中,常用的相似度函数有哪些,简要说明

    原题
  2. 有了相似度测量后,那么基于邻域的推荐思路是怎样的呢?

    原题
  3. 协同过滤算法具有特征学习的特点,试解释原理以及如何学习

    原题

    此处“特征学习”由正文限定为用户—物品评分的潜因子矩阵分解。

  4. 如何简单计算user偏差以及item偏差?

    原题
  5. 如何选择协同过滤算法是基于user还是基于item

    原题
  6. 使用协同过滤算法之前,数据应该如何进行预处理?

    原题
  7. 协同过滤的方式有哪些?

    原题
  8. 如何通过相似度计算设计协同过滤推荐系统?

    原题
  9. 请谈谈你对协同过滤中特征学习的理解?

    原题
  10. 如何将协同过滤用于推荐系统?

    原题