收录了 内容推荐系统 频道下的 50 篇内容
本文介绍基于内容的推荐算法。
我们正处于信息过载的时代,很多公司都遇到了信息过载的问题。推荐系统应运而生,它不仅可以从大数据中提取价值,而且还能有效的避免信息过载。本文是博客推荐系统系列文章的第一篇,简单介绍了当前主流的两种推荐系统:协同过滤和基于内容的推荐系统,并详细说明了实现这两种系统需要做的准备工作。
在北京举行,就人工智能的最新技术及深度实践,进行了全方位的解读及论证。本文是机器学习技术专题中知乎首页业务总监、首页推荐技术负责人张瑞的演讲实录。
本文是博客推荐系统系列文章的第二篇。主要介绍了度量推荐结果相似度的两种方法,包括欧几里德距离和余弦相似法。还详细介绍了计算博客相似度时对博客文章向量化的三个步骤:分词、词频统计、加权。直接在这个向量化后的高维度空间中进行推荐效果不一定是最优的,通过使用SVD或PCA降维算法可以得到更好的推荐效果。文章的最后给出了推荐系统的实际运行效果的例子。
本文详细讨论了如何利用机器学习大规模投放广告。
在“数据孤岛”与“隐私保护”的现实问题中,在合理合法的前提下使用数据持续优化效果提供优质服务,是当前推荐系统所面临的巨大挑战和首要任务。
本文详细介绍多种类型的推荐系统,并分析介绍每种推荐系统的优缺点。
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。
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
直播内容:互联网产品的标配技术,而推荐算法对于业务收益的提升也起到了至关重要的作用。的收入来自个性化推荐系统。
本文探讨了推荐系统下一步需要研究的按个问题:和真实应用场景贴近的统一 benchmark,推荐系统的可解释性,以及算法对系统数据的 Confounding 问题。
虽然经历了几十年的研究和发展,推荐系统已经成了各种现代网络应用中不可或缺的组成部分,但是推荐系统的研究和应用仍然面临着很多重要而急迫的挑战,推荐系统的应用形式和场景也蕴含着更多的可能。
所谓推荐系统的商业价值,通俗来说就是推荐系统怎么更好的帮助公司挣钱。那么,该从哪些维度来理解推荐系统的商业价值?如何量化?怎么提升?以及,在挖掘推荐系统商业价值的过程中,有哪些需要特别注意的点?
京东电商的推荐系统做到60分容易,做到80分、90分却很难。
AI 前线采访到了知乎首页技术团队负责人张瑞,除了对知乎推荐系统的发展历程进行详细叙述外,张瑞还为我们解读了知乎正在引入的“多目标学习”推荐系统。
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。
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。
在车载环境中,为了安全起见,主动用户行为很少,这种推荐系统产品构建好的关键是什么?
本文介绍如何构建可解释的推荐系统。
本次分享介绍知乎推荐系统的重构过程中的经验和心得等。