用户名*
邮箱*
密码*
确认密码*
验证码* 点击图片更换验证码
找回密码
忘记密码了？输入你的注册邮箱，并点击重置，稍后，你将会收到一封密码重置邮件。
如果是使用协同过滤的话要进行Mean Normalization的，所以刚开始你没提供任何信息的情况下，几乎是什么火或者关注的人多推荐给你什么。之后你选了一下感兴趣的条目，就相当于获取了一个你打分矩阵Y，之后由于大多数用户的数据，其每个条目的特征矩阵X几乎已经接近最优解，这样可以估算出你的偏好向量theta 。然后再将你的偏好向量theta作用于X，得到一些你可能打分高的条目推荐给你。之后根据你的反馈不断调节你的偏好向量，同时每个条目的特征向量也能得到改善。这是一个越用越好的系统。
ps:手机码字，格式请多包涵。
题主细心一点吧，没看到那些topics是一点点冒出来的，他是根据你前面选的给你推荐的后面的。
这不就是cold start嘛！
它可以根据global 最多人follow 的话题结合你的IP地址进行初始化。后面就和别人说的一样了，逐步推荐
我最烦quora一天到晚在主页堆满China topic下的问题，还不能取消，像我能代表中国解答你一样。
昵称*
E-Mail*
回复内容*
回复 ( 5 )
如果是使用协同过滤的话要进行Mean Normalization的，所以刚开始你没提供任何信息的情况下，几乎是什么火或者关注的人多推荐给你什么。之后你选了一下感兴趣的条目，就相当于获取了一个你打分矩阵Y，之后由于大多数用户的数据，其每个条目的特征矩阵X几乎已经接近最优解，这样可以估算出你的偏好向量theta 。然后再将你的偏好向量theta作用于X，得到一些你可能打分高的条目推荐给你。之后根据你的反馈不断调节你的偏好向量，同时每个条目的特征向量也能得到改善。这是一个越用越好的系统。
ps:手机码字，格式请多包涵。
题主细心一点吧，没看到那些topics是一点点冒出来的，他是根据你前面选的给你推荐的后面的。
这不就是cold start嘛！
它可以根据global 最多人follow 的话题结合你的IP地址进行初始化。后面就和别人说的一样了，逐步推荐
我最烦quora一天到晚在主页堆满China topic下的问题，还不能取消，像我能代表中国解答你一样。