推荐算法(2):基于内容的推荐

(0)

相关推荐

  • 深度学习技术在美图个性化推荐的应用实践

    作者:陈文强.白杨.黄海勇 出品社区:DataFunTalk 导读:美图秀秀社交化的推进过程中,沉淀了海量的优质内容和丰富的用户行为.推荐算法连接内容消费者和生产者,在促进平台的繁荣方面有着非常大的价 ...

  • 设计一个属于自己的内容热度值算法

    前言 在产品.运营这次做社区改版的过程中,我们大数据部门结合具体的业务细节,通过研究.讨论与试错,最终设计了一个基本符合需求的内容热度值算法,本文就简述其设计方法. 他山之石 有为数很少的几家外国公司 ...

  • FM: 推荐算法中的瑞士军刀

    前言 自从我上次在知乎回答了问题<机器学习中较为简单的算法有哪些?>,很多同学私信我询问我FM算法在推荐系统中的应用细节,索性今天就专门写一篇文章,仔细聊一聊FM这把"推荐算法中 ...

  • 【Recall】MIND:阿里多兴趣网络模型

    本篇论文 Multi-Interest Network with Dynamic Routing(MIND)是阿里巴巴搜索推荐事业部在召回领域方面的工作,发表于 ACM 28th.其提出的一种向量召回 ...

  • '全能选手'召回表征算法实践

    编辑整理:许建军 出品平台:DataFunTalk 导读:本文主要分享 '全能选手' 召回表征算法实践.首先简单介绍下业务背景: 网易严选人工智能部,主要有三个方向:NLP.搜索推荐.供应链,我们主要 ...

  • 推荐粗排(召回)工程实践之双塔DNN模型

    粗排作用 在 推荐精排模型之经典排序模型 一文中我们介绍了工业推荐系统中主要包括召回.粗排.精排.重排这四个环节.粗排主要是为了进一步减少召回的Item数目,减轻精排压力,同时不损失线上效果.如果不要 ...

  • 贝壳用户偏好挖掘的思考与实践

    文章作者:刘雷@贝壳找房 内容来源:贝壳产品技术 1. 背景 1.1 什么是用户偏好挖掘 用户偏好,即对用户内在需求的具体刻画.通过用户的历史行为和数据,对用户进行多角度全方位的刻画与描述,利用统计分 ...

  • 写给设计师的人工智能指南:推荐系统

    这个系列的文章已经写了5篇了. 指南:图像 指南:虚拟私人助理 指南:Tensorflow快速入门 指南:   JS框架Synaptic 指南:如何找出相似的文章 点击可以查看往期. 本期更新第6篇文 ...

  • 基于内容的推荐:根据文章推荐书籍

    题外话,今天团队小伙伴在南京参赛,所有参赛队伍里只有我的名字是网名^_^ 是不是蛮有特色的- 回到本文的话题,我最近喜欢在微信读书里看公众号的文章,因为每篇文章微信读书都会在底部计算推荐的相关书籍,这 ...

  • 基于图模型的智能推荐算法学习笔记

    一.基于知识图谱的智能推荐 以知识图谱作为边信息生成推荐的价值在于:一方面可以提供更准确的推荐:另一方面可以对推荐结果进行解释. 知识图谱由实体和关系组成(以电影推荐为例):实体(用户.电影.演员.导 ...

  • 【推荐文章】基于沙氏成像原理的激光雷达技术研究进展

    ----2021年第50卷第3期 主要作者 梅亮1,孔政1,林宏泽2,费若男1,成远1,宫振峰1,陈珂1,刘琨1,华灯鑫1 3 完成单位 1 大连理工大学光电工程与仪器科学学院 2 杭州电子科技大学自 ...

  • 年轻人开始“反推荐算法”:算法不讲武德!

    深燃(shenrancaijing)原创 作者 | 王敏 编辑 | 向小园 "算法不讲武德!"越来越多年轻人发觉,生活正在被算法控制. 从事互联网运营的卢锋,想要搜索某个科技产品的 ...

  • 推荐算法(8)评测指标

    推荐算法(8)评测指标

  • 推荐算法(6) 实例

    一.推荐系统外围构架 从用户日志经过推荐系统得到推荐列表,返回给UI界面: 用户在UI界面,反馈,生成日志,最后储存起来. 界面设置: 1.展示物品 2.物品有推荐理由 3.提供按钮反馈 数据收集和储 ...

  • 推荐算法(5)利用社交网络数据

    影响用户相信某个推荐结果的因素,90%的用户相信朋友对他们的推荐.基于社交网络的推荐可以很好的模拟现实社会.所以利用社交网络数据进行推荐可以增加用户对系统的信任度.另外利用用户在社交网络的数据可以解决 ...

  • 推荐算法(4)利用上下文信息

    上下文信息包括: 时间的上下文.地点的上下文.心情的上下文- 一.时间的上下文 1.理论 1)时间上对用户的影响: 1.用户自己的兴趣变化(随年龄,时间的变化,兴趣也在变化) 2.物品有自己的生命周期 ...

  • 推荐算法(1):协同过滤总结

    一.协同过滤方法: (1)基于内容/基于领域的协同过滤 ICF 计算items之间的相似度,推荐与A的已知item最相关的item 步骤: 1.输入item-user矩阵 2.求item-item相似 ...