HelloWorld 开发者社区

科技资讯

全部资讯

开源项目

全部项目

推荐好文

推荐系统入门笔记一 : 推荐系统简介和架构

一.推荐系统简介们逐渐从信息匮乏的时代走入了信息过载,推荐系统就是解决信息消费者,如何从大量信息中找到自己感兴趣的信息是一件非常困难的事情,作为信息生产者,如何让自己生产的信息脱颖而出这一矛盾的重要工具,推荐系统的任务就是联系用户和信息,一方面帮助用户发现对自己有价值的信息

TensorFlow Ranking框架在海外推荐业务中的实践与应用

前言在当今互联网世界,推荐系统在内容分发领域扮演着至关重要的角色。如何尽可能的提升推荐系统的推荐效果,是每个推荐算法同学工作的核心目标。在爱奇艺海外推荐业务,引入TensorFlowRanking(TFR)框架,并在此基础上进行了研究和改进,显著提升了推荐效果。本文将分享TFR框架在海外推荐业务中的实践和应用。01算法的

Serverless理念的弄潮儿—— 阿里云数加平台助力大数据普惠

阿里云坚持将计算能力变成像水电煤一样的公共服务,提供给大众,而非单单而不是卖服务器给客户,这跟今日流行的Serverless 架构理念是一致的。Serverless 理念在数加平台得到了很好的体现,数加平台今天已经可以提供很多业务场景化的计算服务,比如推荐引擎,规则引擎,以及各种人工智能的服务,助力企业在DT时代更敏捷、更智能、更具洞察力。在本文中,班输从数

User

1基于用户的协同过滤算法:基于用户的协同过滤算法是推荐系统中最古老的的算法,可以说是这个算法的诞生标志了推荐系统的诞生。该算法在1992年被提出,并应用于邮件过滤系统,1994年被GroupLens用于新闻过滤。在一个在线个性化推荐系统中,当一个用户A需要个性化推荐时,可以先找到和他有相似兴趣的其他用户,然后把那些用户喜欢的而用户A没有接触过的物品推

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。