推荐系统-排序算法：MAP指标（Mean Average Precision）

数据分析-第三方库(工具包)：GIS【作用：空间数据分析、数据清洗、数据处理】

唐杰首页：http://keg.cs.tsinghua.edu.cn/jietang/

只选择一行输出Series，选择多行输出Dataframe一、df[1:3]：按“位置下标”切片提取行数据按照行切片索引：df[row_index_start : row_index_end]df[]中为数字时，默认选择行，且只能进行切片的选择，不能单独选择（df[0]是错误的）输出结果为Dataframe，即便只选择一行df[]不能通过索引标签名来选择行(df['one'])df[]：利用 默认

推荐模型-基于知识图谱-2019：KGCN。

数据结构-非线性结构：图形结构

推荐系统中，（Collaborative Filtering，简称CF）根据用户的历史交互数据，并根据用户的潜在共同爱好进行推荐。然而CF算法也有一些问题：用户数据稀疏(Sparsity)，以及冷启动(Cold-start)问题。为了解决这些问题，研究者们提出在CF模型的基础上加入额外信息。比如社交网络、用户/商品属性、图片信息以及文字信息等。

一、概述标签传播算法（Label Propagation）是一种基于图的半监督学习方法，其基本思路是用已标记节点的标签信息去预测未标记节点的标签信息。利用样本间的关系建图，节点包括已标注和未标注数据，其边表示两个节点的相似度，节点的标签按相似度传递给其他节点。标签数据就像是一个源头，可以对无标签数据进行标注，节点的相似度越大，标签越容易传播。适用场景：标签传播算法（Label Propagatio

归并排序（Merge Sort）：建立在归并操作上的一种有效的排序算法。该算法是采用分治法（Divide and Conquer）的一个非常典型的应用。将已有序的子序列合并，得到完全有序的序列；即先使每个子序列有序，再使子序列段间有序。若将两个有序表合并成一个有序表，称为2-路归并。一、归并排序-算法描述：把长度为n的输入序列分成两个长度为n/2的子序列；对这两个子序列分别采用归并排序；将两个排序

推荐模型-知识图谱推荐-2018：CFKG。