推荐系统原理

rainchxy

2020-06-14

0 目录

凡 AI 类的落地，都需要具备这几个基本元素才行：数据、算法、场景、计算力。

本专栏分成五个模块：
1 概念篇：推荐系统的理念、思考、形而上的内容；
2 原理篇：推荐算法的原理介绍；
3 工程篇：推荐算法的实践内容；
4 产品篇：考虑产品理念及其商业价值；
5 团队篇：讨论个人学习和成长；团队合作等问题。

1 概念篇

推荐系统原理

推荐系统推荐算法产品概念

rainchxy

0 关注 0 粉丝 0 动态

相关推荐

推荐算法集锦（补充）——近邻选择与算法拓展

通过上面几篇文稿可以详细了解到推荐算法的种类和优缺点，对于推荐算法这块内容还有很多，之前的几篇文稿在内容程度上多少有些许遗漏，以及之前阐述的算法内容深入程度上仍旧达不到一个专业推荐系统开发人员的水平。为此，在这篇文稿中，我将会对前面阐述的遗漏内容进行补充，

chuzizuo 2020-06-30

推荐算法集锦（中）—— SVD和CB

通过上一篇对推荐系统的协同过滤算法进行详细的介绍后，并且给出模拟推荐案例，相信广大读者对于协同过滤算法的原理也有了一个基本的了解，以及对其中的推荐过程和使用该推荐算法的场景和优势有了一个基本的掌握。在上一篇文章的结尾部分我留了几个思考，也就是关于协同过滤算

CallmeZhe 2020-06-29

简单的推荐算法

协同过滤算法是一种利用集体智慧的方法，它类似与朋友推荐，当你想要看一个电影时，你会去询问跟你有着相同喜好的人有没有自己没看过的好电影。这就是协同过滤的核心思想。然后这些物品中评分最高的一批就是我们要推荐给被推荐的用户的物品。一般对于小型的推荐系统来说，基于

chenfei0 2020-06-15

协同过滤算法

推荐算法是计算机专业中的一种算法，通过一些数学算法，推测出用户可能喜欢的东西，目前应用推荐算法比较好的地方主要是网络，其中淘宝做的比较好。根据 enture Beat的统计，这一举措将该网站的销售额提高了35%自此之后，个性化推荐的应用越来越广泛。用户的资

Ghero 2020-05-06

推荐算法简介

例如淘宝的猜你喜欢，抖音的XXX。用户画像是根据用户的社会属性，消费行为，生活习惯抽象出一个标签化的用户模型。不过可以根据tag进行分类后在进行推荐。因此无论基于物品的推荐算法还是基于商品的推荐算法，都是基于用户的历史数据的，对于新用户的话就会存在用户的冷

dbhllnr 2020-05-01

推荐算法之FM（因子分解机）模型，召回与排序的利器

在这篇文章我们将介绍因式分解机模型，为行文方便后文均以FM表示。FM模型结合了支持向量机与因子分解模型的优点，并且能够用了回归、二分类以及排序任务，速度快，是推荐算法中召回与排序的利器。FM算法和前面我们介绍的LFM模型模型都是基于矩阵分解的推荐算法，但在

nurvnurv 2020-02-18

推荐算法之基于物品的协同过滤

基于物品的协同过滤算法是此前业界应用较多的算法。无论是亚马逊网，还是Netflix 、Hulu 、 YouTube ，其推荐算法的基础都是该算法。为行文方便，下文以英文简称ItemCF表示。本文将从其基础算法讲起，一步步进行改进并基于MovieLens 数

yedaoxiaodi 2020-01-01

推荐算法之基于用户的协同过滤

基于用户的的协同过滤算法是推荐统统最古老的算法，简称UserCF。该算法的诞生一定程度上标志着推荐系统的诞生。本文将对UserCF算法原理进行讲解，并且基于Movielens数据集给出实现代码供大家交流学习。在一个在线个性化推荐系统中，当一个用户A需要个性

wuxiaosi0 2019-12-29

协同过滤推荐算法

当你在电商网站购物时，天猫会弹出“和你买了同样物品的人还买了XXX”的信息；当你在SNS社交网站闲逛时，也会看到“你可能认识XXX“的信息；当你在微博添加关注人时，也会看到“你可能对XXX也感兴趣”等等。所有这一切，都是背后的推荐算法运作的结果。推荐算法，

风吹夏天 2019-10-26

多模型融合推荐算法在达观数据的运用

互联网时代也是信息爆炸的时代，内容太多，而用户的时间太少，如何选择成了难题。电商平台里的商品、媒体网站里的新闻、小说网站里的作品、招聘网站里的职位……当数量超过用户可以遍历的上限时，用户就无所适从了。基于物品的协同过滤在面对物品冷启动，或行为数据稀疏的情况

闫新宇 2016-03-11

超越算法来看待个性化推荐

一提到个性化推荐，大家一般会想到协同过滤、文本相似等推荐算法，或是更高阶的模型推荐算法，百度的张栋说过，推荐40%取决于UI、30%取决于数据、20%取决于背景知识，虽然本人不是很认同这种比例，但推荐系统中，推荐算法起的作用起的作用是非常有限的。很简单，因

gotea 2015-01-08

推荐算法浅析

推荐系统估计是以后的一个大的方向，应用广泛，根据用户个性化地定制或自动推荐，提高用户体验。像亚马逊首页的商品推荐，以后的搜索推荐等等。最近听了一些讲座和分享，自己也学习了一下，下面做一点总结和分享。簇模量比传统协同过滤有着更好的线上性能和可扩展性，因为前者

hiKirin 2010-11-21

机器学习系列23：基于内容的推荐算法

功能介绍通过一名本科在校生的视角，一起学习进步！读书、编程、机器学习应有尽有。如今，推荐算法已经深入到我们生活的各个方面，比如说淘宝根据我们之前的浏览记录给我们推荐想要购买的商品；抖音不停地给我们推荐各种我们感兴趣的视频。这些推荐算法极大地便捷了我们的生

YUAN 2019-07-03

融合非负矩阵分解和图全变分的歌曲推荐算法

相关的图通过使用音频、元数据以及社交特征等丰富的信息的结合，对歌单的邻接信息以及歌曲的相似度信息进行编码。通过在真实数据上进行的实验，我们证实了我们的模型能仅仅根据低秩矩阵的信息或者基于图的信息以及两者的结合进行歌曲的推荐。这个问题被称为非负矩阵分解，并引

郭岚 2019-06-27

Hulu（北京）推荐算法负责人周涵宁：怎样应对基于深度学习的视频推荐系统

本文仅用于学习和交流目的，不得用于商业目的。周涵宁，本科毕业于清华大学自动化系，于美国伊利诺伊大学香槟分校获得计算机视觉领域博士学位。现任Hulu北京研发中心研究推荐算法研究负责人。具有15年的产品研发、创新和团队管理经验，专注于实现应用数据和算法从0到1

duyifei0 2019-06-26

多模型融合推荐算法在达观数据的运用

研发背景互联网时代也是信息爆炸的时代，内容太多，而用户的时间太少，如何选择成了难题。电商平台里的商品、媒体网站里的新闻、小说网站里的作品、招聘网站里的职位……当数量超过用户可以遍历的上限时，用户就无所适从了。第二是搜索结果往往会照顾大多数用户的点击习惯，以

YUAN 2019-06-20

原理篇 | 推荐系统之矩阵分解模型

第一篇用一个具体的例子介绍了MF是如何做推荐的。第二篇讲的是MF的数学原理，包括MF模型的目标函数和求解公式的推导等。第三篇回归现实，讲述MF算法在图文推荐中的应用实践。下文是第二篇——《原理篇 | 推荐系统之矩阵分解模型》，敬请阅读。显式数据是指用户对i

joshualiunsw 2019-06-10

主要推荐算法概述

介绍在过去的几十年里，随着Youtube、Amazon、Netflix等网络服务的兴起，推荐系统在我们的生活中占据了越来越多的位置。从电子商务到在线广告，推荐系统在今天的日常中是不可避免的。一般来说，推荐系统是一种算法，目的是向用户推荐相关的商品。在某些行

chenchuang 2019-06-04

如何利用CLimF算法设计推荐系统

CLimF 优化的信息检索指标叫做 Reciprocal Rank ，是指的推荐给用户的物品列表中第一个被点击的物品的排名的倒数。因为推荐给用户的物品的列表都是按照推荐系统给出的评分从高到低进行排序的，因此排名越靠前的物品是越被推荐系统看好。这是 R

yedaoxiaodi 2019-04-23

如何利用DeepFM算法设计推荐系统

早年的推荐算法主要是各种单模型，例如逻辑回归、协同过滤、矩阵分解等等。后来推荐算法演化成了混合模型，例如 GBDT + LR , GBDT + FM 等。而随着深度学习的崛起，深度神经网络越来越深刻地影响了推荐系统领域的发展。Huifeng Guo 等中国

算法魔功 2018-11-02

rainchxy

W3CSchool教程: HTML 教程; CSS 教程; Bootstrap 教程; Javascript 教程; jQuery 教程

后端教程: C 教程; Java 教程; PHP 教程; Python 教程; Go 教程

移动开发: Android 教程; Swift 教程; Kotlin 教程; jQuery Mobile 教程; ionic 教程

关于我们: 新闻动态; 联系方式; 招聘英才; 安科实验室; 帮助与反馈

安科网(Ancii)，中国第一极客网

Copyright © 2013 - 2019 Ancii.com

京ICP备18063983号京公网安备11010802014868号