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

基于Elastic Search的推荐系统“召回”策略

当我们打开一个资讯APP刷新闻时,有没有想过,系统是如何迅速推送给我们想看的内容?资讯APP背后有一个巨大的内容池,系统是如何判断要不要将某条资讯推送给我们的呢?这就是今天想跟大家探讨的问题——推荐系统中的“召回”策略。1.推荐系统中的召回召回策略主要满足的是能够从海量的数据中召回一部分相关

后端小白探索推荐系统知识体系

架构<pre<code由基础到高层的层级(参考达观数据):基础层:运算和存储组件:机器学习基础组件模型层更像是业务的数据结构。比如用户画像就是对一个用户有全方位的刻画。算法构建在模型和组件之上。更接近与推荐。算法

关于推荐系统,RecSys 2019大会都讨论了什么?(附论文下载)

关键词:推荐系统、深度学习、以用户为中心、可再现性和多任务处理2019年的推荐系统大会(Recsys)于今年的9月份在丹麦哥本哈根举行,来自世界各地的909位专家、学者参与了此次会议,迄今为止规模最大的一次。大会涵盖了与推荐系统相关的主题,从推荐系统的社会影响到搭建推荐系统所用的算法。今年

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,

搜索场景下的智能推荐演变之路

<blockquote<strong摘要:</strong传统的推荐手段主要还是深度挖掘用户行为和内容本身相似性的价值,包括但不限于协同过滤,内容表征向量召回,以及各式各样的点击率预估模型,然后这样的推荐行为缺乏内在的逻辑性和可解释性,有一种知其然,不知所以然的体感。本文中,阿里巴巴高级算

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

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

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。