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
机器学习就等同于算法吗?
在当前的推荐系统中,很多使用了机器学习,有些已经用到了深度学习。那么,机器学习就等同于一堆的算法吗?答案是:机器学习≠算法。机器学习≠算法当我们打开一本教科书,或者大学的教学大纲,通常看到的都是一堆的算法列表。这也让大家造成了这样的误解:机器学习就是掌握一系列的算法。其实,
案例|推荐系统的评估指标
推荐系统能够为用户提供个性化体验,现在基本上各大电商平台、资讯平台都会用推荐系统为自家评价下的用户提供千人千面的服务。平均精度均值(MeanAveragePrecision,MAP)便是评估推荐系统性能的度量标准之一。但是,使用其他诊断指标和可视化工具可以让模型评估更加深入,甚至还会带来一些
用于推荐系统评估的概念与指标(2)
在上一篇文章《用于推荐系统评估的概念与指标(https://segmentfault.com/a/1190000020218360)》中,我们介绍了用于推荐系统评估的概念:实用性。在接下来的文章中,我们会介绍新颖性与多样性。新颖性新颖性通常指在推荐中出现新的物品,这在不同文献中
用于推荐系统评估的概念与指标
在推荐系统中,研究人员为了能让预测结果对用户提供更多价值,会关注用户满意度。鉴于推荐系统除了让用户购买更多的相似产品外,还必须对用户而言“有用”,研究人员还会关注用户在使用系统时的交互体验和消费体验。目前,研究人员正在通过评估不同的指标来解决这个问题,而不是简单地通过预测准确度和机器学习技术。
如何解决推荐系统中的冷启动问题?
当新用户或新项目进入内容平台时,就会出现冷启动(ColdStart)问题。以协同过滤这样的经典推荐系统为例,假设每个用户或项目都有评级,这样我们就可以推断出类似用户/项目的评级,即使这些评级没办法调用。但是,对于新进入的用户/项目,实现这一点很困难,因为我们没有相关的浏览、点击或下载等数据,也
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
surprise库文档翻译
~~这里的格式并没有做过多的处理,可参考于OneNote笔记链接~~~~由于OneNote取消了单页分享,如果需要请留下邮箱,我会邮件发送pdf版本,后续再解决这个问题~~由于来回发太麻烦了,分享于百度盘了,链接:https://pan.baidu.com/s/1r6VZ...(htt
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。