BAT个性化推荐算法1.1个性化推荐算法综述 什么是个性化召回 根据用户的属性行为上下文等信息从物品全集中选取其感兴趣的物品作为候选集 召回在推荐系统中的重要作用 召回决定了最终推荐结果的天花板 工业界个性化召回分析 基于用户行为的 CF 基于user profile 自然属性/偏好 可扩展性差 基于隐语义的 深度学习 2.1 lfm算法 个性化召回算法LFM(latent factor model)综述 LFM背景 我喜欢看电影，电影之前是天气预报，我赶在电影前就打开电视结果看到了天气预报，这就可能导致天气预报与电影推荐向量越来越相似，造成不准确的推荐结果

Git 常用命令上传与拉取仓库初始化 git init提交到暂存区 git add 文件名git add * git add .显示状态 git status添加到本地仓库 git commit -m "备注"推送到远程仓库 git push将远程仓库（Remote）的代码拉取到工作区（workplace） git pull回滚命令 撤销暂存区文件（git add之后） git reset HEAD 文件名 commit后从本地仓库撤销（git commit之后） git log //查看commit记录git reset --hard a5dd471f94e048

推荐系统Apriori关联分析算法 无监督 挖掘关联 数据集很大时，运行效率低（故用FP-Growth优化） Apriori（支持度） 组合购买数不大于 支持度 就被淘汰 下图购买人数全部大于支持度*2，故都不淘汰 缺点 数据稀疏性和冷启动问题 优点 挖掘用户的潜在兴趣 仅仅需要评分矩阵来训练矩阵分解模型 推荐系统常见的问题 冷启动（数据问题） 用户冷启动→新用户 物品冷启动→新物品 系统冷启动→新系统 根据注册信息 进行分类（邮箱 性别 手机号码） 推荐热门的排行榜 基于深度学习的语义理解模型 引导用户把属性表达出来 利用用户在社交媒体的

动态策划题目描述棋盘上 AA 点有一个过河卒，需要走到目标 BB 点。卒行走的规则：可以向下、或者向右。同时在棋盘上 CC 点有一个对方的马，该马所在的点和所有跳跃一步可达的点称为对方马的控制点。因此称之为“马拦过河卒”。 棋盘用坐标表示，AA 点 (0, 0)(0,0)、BB 点 (n, m)(n,m)，同样马的位置坐标是需要给出的。 现在要求你计算出卒从 AA 点能够到达 BB 点的路径的条数，假设马的位置是固定不动的，并不是卒走一步马走一步。 输入格式一行四个正整数，分别表示 BB 点坐标和马的坐标。 输出格式一个整数，表示所有的路径条数。 输入输出样例输入 #1复制 6 6 3 3输