网新关键词

2018-01-05  本文已影响0人  Vicky_a9b2

第一章

元认知有三个组成部份:
1.元认知知识(也叫元认知意识),指个人对自身及他人作为认知主体的了解;
2.元认知规则,指对认知和学习经验加以管理的规则,通常通过一系列控制学习行为的活动来实现。
3.元认知经验,指同当前持续的认知活动有关的经历。

第二章

协同过滤:

基本概念就是把这种推荐方式变成自动化流程
一、协同过滤主要是以属性或兴趣相近的用户经验与建议作为提供个性化推荐的基础
二、基于用户(User-Based)的协同过滤算法首先要根据用户历史行为信息,寻找与新用户相似的其他用户;同时,根据这些相似用户对其他项的评价信息预测当前新用户可能喜欢的项。给定用户评分数据矩阵R,基于用户的协同过滤算法需要定义相似度函数s:U×U→R,以计算用户之间的相似度,然后根据评分数据和相似矩阵计算推荐结果。
三、基于项目(Item-Based)的协同过滤算法是常见的另一种算法。与User-Based协同过滤算法不一样的是,Item-Based 协同过滤算法计算Item之间的相似度,从而预测用户评分。也就是说该算法可以预先计算Item之间的相似度,这样就可提高性能。Item-Based协同过滤算法是通过用户评分数据和计算的Item相似度矩阵,从而对目标Item进行预测的。
四、和User-Based协同过滤算法类似,需要先计算Item之间的相似度。并且,计算相似度的方法也可以采用皮尔逊关系系数或者余弦相似度,这里给出一种电子商务系统常用的相似度计算方法,即基于条件概率计算Item之间的相似度。

第三章

课堂演练

国内协同过滤的案例

京东


摘要

基本概念就是把这种推荐方式变成自动化流程。主要是以属性或兴趣相近的用户经验与建议作为提供个性化推荐的基础。

案例

从众多用户那里搜集到信息,从中得到推荐信息。基于用户的推荐——当系统发现你购买了一本《数据挖掘概念与技术》,而有其他用户同时购买了《数据挖掘概念与技术》和《mongobd权威指南》,那么系统猜想你同时喜欢《mongobd权威指南》的可能性也很大,就会把《mongobd权威指南》推荐给你。这种推荐是依据用户相似性,即两个用户有相同的爱好做出的推荐。基于项目的推荐——将相同类型的东西推荐给用户,如上面的京东推荐的最佳组合就是基于项目的推荐。

第四章

如何发现信息(谷歌PageRank);如何积累知识(维基百科);如何科学研究(公民科学);如何开发软件程序(开源Linux操作系统和全球用户数排名第二的Firefox火狐浏览器都是由开源社区完成的);如何利用空余的计算能力研究(分布式计算);如何娱乐(大规模多用户网络游戏);如何解决难题(集体智慧);如何产生新闻(公民新闻);如何组织灾难救援(制作灾难地图和紧急集体响应);如何组建社区(虚拟社区);如何设计测试商业产品(众包)。

第五章

Sarnoff's Law 萨尔诺夫定律
萨尔诺夫定律以电视先锋大卫·萨尔诺夫(David Sarnoff)命名,说的是在电视和媒体这样的广播媒介中,网络的价值随着用户数量增长呈几何级数上升趋势:用户越多,价值越大。

Metcalfe's Law 麦特卡夫定律
麦特卡尔夫定律则来自以太网的创始人和互联网硬件结构的先驱罗伯特·麦特卡尔夫(Rober Metcalfe)。他认为,在以太网和互联网等多对多网络结构里,价值增长的速度比广播网络要快,因为增加节点可以大大增加每个节点的连接度。当每个节点都有可能连到任意节点时,每增加一个节点,就不只增加一个单位价值,潜在的连接是节点数的平方。

Reed's Law 里德定律
能够让个人构成群体的多对多网络(如互联网和万维网),其实用性增长的速度远超麦特卡尔夫定律的预测,因为每个节点的价值不仅需要乘以其连接的节点数,还要乘以可能联系到的潜在群体数目。

第六章


名词解释来源于【网络素养】

上一篇下一篇

猜你喜欢

热点阅读