互联网发展的早期，信息如何分布如何展现在内容网站一直都是比较重要的问题；人们在历史经验的基础上将经验算法化来对内容进行排序，而解决的是绝大部分用户在网站上的体验（因为影响因子是群体数据）。
举例投票型网站
影响因素：投票行为和时间
P是赞成票数 T是发布时间 G是衰减系数
其他常数是场景优化的参数
可以看到随着时间的衰减，相同时间赞成票越多的内容热度高；
场景优化
某些产品不仅有赞成，也有反对；这个时候我们可能就需要通过差值（P）来表现内容的优劣。而且投票方向(P正负)会影响时间因子对整体得分的影响方向（差的应该比好的衰减快）
如果担心样本数据的基数对分值的影响（基数越大，越有参考性），还要对P的系数进行调整，基数越大，P的权重越大
有些时候我们担心马太效应，会对差值log来调整高额时的影响幅度（赞成票到一定程度影响不会特别大了）。
所有的这些都是我们通过历史经验对结果进行预期，什么是好的，什么对有影响，什么对结果的影响比较大都会体现在公式中
互联网发展的早期，信息如何分布如何展现在内容网站一直都是比较重要的问题；人们在历史经验的基础上将经验算法化来对内容...
在推荐系统1.0时代，人们通过经验主义来给出算法满足了绝大部分用户的需求；但是随着信息大爆炸和用户需求的升级，大众...
推荐系统基础 个性化推荐概述 1.1 推荐系统概述 首先，需要申明一点的就是推荐系统！=推荐算法。推荐系统是一套完...
@[toc] 个性化推荐算法实战第01章个性化推荐算法综述 1、什么是推荐系统？ 在介绍推荐算法之前需要先介绍一下...
推荐系统基础 推荐系统简介 了解推荐相关常用概念 知道推荐系统的工程架构和算法架构 知道推荐系统的常用算法 知道协...
推荐系统在各种系统中广泛使用，推荐算法则是其中最核心的技术点，为推荐系统选择正确的推荐算法是非常重要的决定。目前为...
学习元平台推荐策略1.0： 1、基于热度的推荐：哪些内容看的人多，就推荐哪些内容 学习元（feed流）热度算法：学...
定位 课程是机器学习（包含推荐算法）算法原理在推荐系统的实践 深入推荐系统的业务流场景、工具使用 作为人工智能的数...
隐语义模型与推荐算法 标签：推荐算法 LFM(latent factor model)隐语义模型，这也是在推荐系统...
octave实现协同过滤推荐算法 标签：推荐算法 这是对关于电影评分的数据集使用协同过滤算法，实现推荐系统。 数据...
本文标题：推荐系统1.0—满足群体需要的经验算法
本文链接：https://www.haomeiwen.com/subject/eprfextx.html
网友评论