HelloWorld 开发者社区
科技资讯
百度世界提出智能组织思路,关注 AI 从个人工具进入业务闭环
openKylin 全球生态推广会举行,推进本地化与社区合作
光船 1.1.0 尝鲜版二更新,探索 AI 会话与代码生成结合
Argus 0.5.0 发布:新增进程控制,完善原生 Windows 任务管理
MetaForge 2026.0.0 发布,整合数据库工作台与可视化分析
qData 1.6.7 发布:修复增量读取与 ETL 字段传递问题
Apple HomeView 在部分地区开售,整合家庭控制与视频通话
Cloudflare 推出 Spend Management Beta,为 Workers 增加支出限制
Cloudflare 开源 Kitesurf:面向 AI 智能体的轻量浏览器引擎
JeecgBoot 与敲敲云介绍分层方案,连接低代码开发与业务搭建
开源项目
全部项目推荐好文
推荐系统:算法概述
如今,许多公司都会开发与自己业务息息相关的推荐系统。先荐作为第四范式研发的一款智能推荐产品,已为内容行业的众多媒体客户赋能,实现客户的营收增长。在本文中,我们将会简要介绍现有的主要推荐算法及其工作原理。协同过滤协同过滤(CF)是最常用的推荐算法之一,即使推荐系统小白也可以轻松上手,
推荐系统:混合过滤
在之前的两篇文章中,我们分别讲了推荐系统(https://link.segmentfault.com/?encPODNuh1ZElaMtQFK%2FccXUQ%3D%3D.cOgJsvCruvQR6HpMZ82ix28gD72xi2Gqw6sLc6Zgke4%3D)中的基于内容的过滤和
推荐系统:协同过滤及其利弊
在上一篇文章中,我们谈到了推荐系统中基于内容的过滤及其利弊,今天我们来看看协同过滤。与基于内容的过滤(CBF)不同,协同过滤(CollaborativeFiltering)技术独立于域,适用于无法利用元数据充分描述的项目,如电影、音乐等。协同过滤技术(CF)首先会构建用户项目偏好的数据库,
推荐系统过滤技术:基于内容的过滤及其利弊
在上一篇文章中,我们介绍了推荐系统(https://link.segmentfault.com/?encyBf3E5AFH1bj4fTZj8L9CA%3D%3D.0LLjLo81YJHsjHA0RiTg1FxnqPBAVTpjVl2THXomEQI%3D)的主要工作流程。在接下来的文章
推荐系统的工作流程
在互联网飞速发展的现代社会,人们每天都要受到成百上千条信息的轰炸,APP推送、新闻热点、信息流广告……一个有效的“信息过滤器”已经成为了人们日常生活的刚需,也是信息供应商在激烈的市场环境中脱颖而出的必杀技。推荐系统正扮演着这样一个角色,它如同筛子一般,帮我们找到最想要的内容。但是,推荐系统过高的
没有用户数据时如何搭建推荐系统?用这三种办法!
即使没有用户数据,我们仍能搭建高效的推荐系统,向用户展示更多优质内容,让用户参与其中。太长不看版:第一步便是搭建基于内容的推荐系统,这种推荐系统会给用户推荐其他类似的商品,但并不依赖其他用户的数据。这些特征(即数学表达式,推荐算法需借助内容条目不同方面的表达式才能得以运算)来自于内容条目
当你打开天猫的那一刻,推荐系统做了哪些工作?
<blockquote<strong阿里妹导读:</strong当年打开天猫的那一刻,它为你完成了华丽的变身,成为世上独一无二的“天猫”,这就是智能推荐的力量。今天,来自阿里巴巴搜索推荐事业部的算法工程师陈启伟为你介绍天猫如何玩转首页个性化推荐,揭开搜索推荐的神秘面纱。</blockquot
阿里搜索推荐系统又双叒叕升级了?!
!(https://imghelloworld.osscnbeijing.aliyuncs.com/imgs/4e15c66abbb8d683936963a1528cebc4.png)<blockquote<strong阿里妹导读:</strong搜索导购产品作为搜索的流量
推荐系统召回与评估
召回策略基于协同过滤基于itembased:相似的人会有相同的喜好基于userbased:喜欢一个物品的用户会喜欢相似的物品倒排索引分类关键词topic...基于内
贾扬清:我对人工智能方向的一点浅见
!(https://imghelloworld.osscnbeijing.aliyuncs.com/imgs/bc9c09bd7b004c26cdc7d301c6636902.png)<blockquote<strong阿里妹导读:</strong作为AI大神,贾扬清让
正在加载更多文章…
加载更多已加载文章中没有匹配内容,可继续加载更多。