1樓：
之前有根據使用者之間關注關係構成圖做微博內容推薦。
1，節點表示使用者（預先有個類別label）, 邊表示關注關係。
2，直接關注關係的定義為一跳鄰居；一跳鄰居的一跳鄰居為二跳鄰居（不包含自身節點）
3，隨機選點，計算n跳鄰居與n+1跳鄰居之間邊數k_n+1, 以及n-1跳鄰居與n跳鄰居之間邊數k_n
4, 當k_n+1 / k_n小於某個閾值時，停止。取n跳鄰居之內所有節點label的眾數，並將n跳鄰居之內所有節點的label修改為該眾數。
反覆迭代幾次。
可以查查標籤擴散演算法相關方法。
2樓：薦書閣
我現在的資料是基於社交關係，關係是天然形成的，採用的是節點間距離是通過類似simrank的變種形成的轉移概率矩陣。基於人臉的五官特徵確實還得通過學習訓練乙個豐富樣本資料才行。把人臉的五官特徵分解到乙個矩陣中，再採取什麼樣的策略推薦美妝還蠻有意思的。
比如像眼睛大的一群人他們都採用多種什麼樣的方案修飾自己的眼睛，可能10個人，2個採用A方案，3個採用B方案，另外5個採用C方案。你的樣本的採集量估計會很大。說的可能有問題，多多交流
3樓：顧騁
我現在也正在做同樣的事情，不過是化妝推薦系統，懂的不多，願意跟大家交流一下。現在覺得有幾個是比較關鍵的，乙個是怎麼定義勢函式(potential functions)，還有就是怎麼樣選取鄰接矩陣(adjacency matrix)。
勢函式的定義決定了怎麼衡量各個特徵之間的關係，鄰接矩陣則是決定了各個勢函式之間的關係，然後根據得到的概率圖模型，得到他的MAP inference，就是需要推薦給使用者的東西。
目前我還在看怎麼根據現有的資料去學習乙個概率圖模型，用了三周看到PGM的第10章，真是累感不愛……
如果有不對的地方，希望大家能指正！
4樓：
確實可以在不同的場景下建立不同的概率圖模型來做推薦，而且由於在設計圖模型的時候引入了主觀知識，推薦準確度會更高。
不過缺點是圖模型沒有一套同時兼顧高效、精確度和通用性的求解演算法。通用解法中，MCMC收斂慢，平均場是近似解，而且很難並行化。
現在的前沿技術都是嘗試深度神經網，也算是一種結構遵循一種固定正規化的圖模型了，而且找到了效率和效果比較好的解法。不過對模型設計和調引數的經驗要求較高。
想做乙個基於阿里雲的web應用系統（簡易的消防應急系統）需要學習哪些知識？
吳德承 當然是消防的領域知識，還有本身web開發的技術棧，這個是毋庸置疑的。樓主的實現思路是 基於阿里雲的web應用系統 假設是個人開發者，那麼還要掌握兩方面的知識 2.1 雲平台的管理，作為乙個阿里雲的 租戶 你至少要了解管理門戶，如何通過門戶開通和管理各種資源，如何遠端登入雲伺服器等等。2.2 ...
誰能推薦乙個好的OA系統？
30人使用的OA系統，可以找功能不是很複雜，維護簡單方便的OA，很多OA系統都具有樓主所說的功能，可以了解下鑫舟軟體OA系統 http www.xzrjkj.cn 一湖墨藍 所以說和飛信算是非常高效的OA系統，能幫企業高效運轉和無紙化辦公。移動和飛信官網 中國移動和飛信 和飛信，企業移動辦公解決方案...
如何實現乙個簡單的推薦系統
遇見更好的自己 問題應該是，如何把演算法進行編碼吧！第一，檢視你說的演算法在python中被打包模組，如果有直接研究這個模組，並且呼叫即可。第二，如果沒有，那就要自己寫，可以參考網上寫的，如果沒有，研究演算法框架，和資料流。根據資料流自己寫乙個。本質就是協同過濾演算法，網上有原始碼應該 最簡單的，比...