对于'用户-物品'矩阵,可以利用非空项的数据来预测空白项的数据,即预测用户对于其未接触到的物品的评分,并根据预测情况,将评分高的物品推荐给用户。预测评分的方式有很多,矩阵分解是一种非常适合的方法。

关联规则是数据挖掘中的典型问题之一,又被称为购物篮分析,这是因为传统的关联规则案例大多发生在超市中,例如所谓的啤酒与尿布传说。

用户协同过滤并不总是合适的。为了解决用户协同过滤的缺陷,于是又有了物品协同过滤(ItemCF)。ItemCF 的原理是,为用户推荐那些和他之前喜欢的物品相似的物品。例如,算法可能会因为用户买过《推荐系统实践》而为用户推荐《推荐系统》。

用户协同过滤一般是在海量的用户中发掘出一小部分和目标用户品位比较类似的,然后根据他们喜欢的其他东西组织成一个排序的目录作为推荐给目标用户。

基于内容的推荐算法理论依据主要来自于信息检索和信息过滤,是最早被使用的推荐算法,它的思想非常简单:根据用户过去喜欢的物品(item),为用户推荐和他过去喜欢的物品相似的物品。

RSA公钥加密算法是1977年由Ron Rivest、Adi Shamirh和Len Adleman在(美国麻省理工学院)开发的,取名自他们三者的名字首字母。RSA是目前最有影响力的公钥加密算法。

RC4(Rivest Cipher 4的缩写)是一种流加密算法,密钥长度可变。它加解密使用相同的密钥,一个字节一个字节地加密,因此也属于对称加密算法。RC4突出的优点是在软件里面很容易实现。

高级加密标准(AES,Advanced Encryption Standard)是最常见的对称加密算法。

DES是一种对称加密算法,主要采用替换和移位的方式进行加密,它用56位(64位密钥只有56位有效)对64位二进制数据块进行加密,每次加密对64位的输入数据进行16轮编码,经过一系列替换和移位后,输入的64位原数据转换成完全不同的64位输出数据。
0%