实时推荐系统
收录了 实时推荐系统 频道下的 50 篇内容
分布式机器学习框架与高维实时推荐系统
本文讲述推荐系统在模型训练与预估上面临的挑战，并介绍第四范式分布式机器学习框架 GDBT 是如何应对这些工程问题的。
用 Kiji 构建实时、个性化推荐系统
现在网上到处都有推荐。亚马逊等主流电子商务网站根据它们的页面属性以各种形式向用户推荐产品。Mint.com之类的财务规划网站为用户提供很多建议，比如向用户推荐他们可能想要办理的信用卡，可以提供更好利率的银行。谷歌根据用户搜索历史记录的信息优化搜索结果，找到相关性更高的结果。
推荐系统的未来发展
本文从政策及技术发展对推荐系统的影响、推荐系统的就业变化、推荐系统的应用场景及交互方式、推荐算法与工程架构、人与推荐系统的有效协同、推荐系统多维度价值体现等6个方面来讲解推荐系统的未来发展
软件测试 / 测试开发 / 全日制 |构建基于机器学习的实时推荐系统
霍格沃兹测试开发学社推出了《Python全栈开发与自动化测试班》。本课程面向开发人员、测试人员与运维人员，课程内容涵盖Python编程语言、人工智能应用、数据分析、自动化办公、平台开发、UI自动化测试、接口测试、性能测试等方向。为大家提供更全面、更深入、
打造工业级推荐系统（三）：推荐系统的工程实现与架构优化
本篇文章作者会结合多年推荐系统开发的实践经验粗略介绍推荐系统的工程实现，简要说明要将推荐系统很好地落地到产品中需要考虑哪些问题及相应的思路、策略和建议，其中有大量关于设计哲学的思考，希望对从事推荐算法工作或准备入行推荐系统的读者有所帮助。
基于标签的实时短视频推荐系统
本文结合电视猫的业务场景及工程实践经验来详细讲解基于标签的倒排索引算法的原理及工程落地方案细节。
数据爆炸、信息过载时代下的解决方案：QCon 北京 2014 推荐系统与工程实践专题
距第六届QCon全球软件开发大会（北京站）2014开幕仅剩一个半月，大会演讲嘉宾已经几近确认完毕。大会的演讲内容在官网：http://www.qconbeijing.com，以及InfoQ微博、微信公众帐号的最新播报：@InfoQ、【infoqchina】不断更新。此次为大家介绍本届大会的推荐系统工程实践专题。
大数据的下一站是什么？服务 / 分析一体化（HSAP）
既然HTAP有了分析的能力，它是不是将取代大数据系统呢？大数据的下一站是什么？
从算法到案例：推荐系统必读的 10 篇精选技术文章
推荐系统近几年来一直十分火热，目前几乎所有的电子商务系统、社交网络，广告推荐，搜索引擎等等，都不同程度的使用了各种形式的推荐系统。想知道电商如何向你发送广告的？想了解社交网络怎么推荐好友的？想自己搭建一个推荐系统？想了解一些算法或架构从而将自己的推荐系统做得更好？InfoQ为你整理了一系列的有关推荐系统的算法文章，以及主要从电商和社交网络方面选取了一些优秀的案例，来看看这些关于推荐系统的优秀文章吧。
数据库内核杂谈（二十三）- Hologres，支持 Hybrid serving/analytical Processing 的数据引擎（1）
本文介绍Alibaba为了应对HSAP的应用场景推出的云原生大数据处理引擎Hologres
使用 A/B 测试衡量 Amazon Personalize 推荐结果的有效性
A/B测试还能够提供客户与Amazon Personalize推荐结果间实际交互方式的宝贵信息。这些结果将根据明确定义的业务指标进行衡量，使您了解推荐结果的有效性，以及该如何进一步调整训练数据集建立起明确认知。在对此过程进行多轮迭代之后，您会发现各项重要指标都将得到改善，客户参与度也将随之提高。
eBay 的数据处理框架 Accelerator 提供并行执行和实时推荐功能
eBay的数据处理框架Accelerator提供并行执行和自动组织源代码、输入数据及计算结果的功能。它可以用于数据分析和算法开发，以及实时推荐系统。
51 信用卡的个性化推荐体系
人工智能是当下金融产业转型的重要助力，本文主要介绍51信用卡管家在这方面如何搭建模型体系，如何发掘数据价值，如何成立自己私有的扫码平台或个性化体系。
京东广告算法架构体系 - 高性能计算最佳实践
目前新一代的高性能计算方案已经在广告多个业务线进行了落地实践，推荐首页 CTR 模型、推荐通用信息 CTR 模型、推荐商详 CTR 的规模扩展至千亿，助力推荐、搜索等核心业务取得显著的效果收益。
“看一看”推荐模型揭秘：微信团队提出实时 Look-alike 算法，解决推荐系统多样性问题
本文在微信看一看的推荐场景下对传统 look-alike 进行了改造，使之更适合高时效性的资讯推荐系统。
实时个性化推荐 (三十六)
写在前面： 大家好，我是强哥，一个热爱分享的技术狂。目前已有 12 年大数据与AI相关项目经验， 10 年推荐系统研究及实践经验。平时喜欢读书、暴走和写作。
打造工业级推荐系统（二）：无处不在的推荐系统
导读：个性化推荐系统，简单来说就是根据每个人的偏好推荐他喜欢的物品。互联网发展到现在，推荐系统已经无处不在，在各行各业都得到普遍都应用。
推荐系统的未来发展 (三十三)
写在前面： 大家好，我是强哥，一个热爱分享的技术狂。目前已有 12 年大数据与AI相关项目经验， 10 年推荐系统研究及实践经验。平时喜欢读书、暴走和写作。
打造工业级推荐系统（七）：怎么评估推荐系统的效果？
本篇文章作者来详细说明怎么评估(Evaluating)推荐系统的效果，有哪些评估手段,在推荐业务中的哪些阶段进行评估，具体的评估方法是什么。借此希望更好地帮助大家在实际业务中实施推荐系统评估模块。
京公网安备 11010502039052号 | 产品资质
