标签:推荐系统

数据挖掘

推荐系统常用的推荐算法

4

xsmile 发布于 2016-10-11

作者:Nicol 一、推荐系统概述和常用评价指标 1.1 推荐系统的特点 在知乎搜了一下推荐系统,果真结果比较少,显得小众一些,然后大家对推荐系统普遍的观点是: (1)重要性UI>数据>算法,就是推荐系统中一味追求先进的算法算是个误区,通常论文研究类的推荐方法有的带有...

阅读(653)评论(0)赞 (0)

大数据

腾讯推荐—让您的系统瞬间个性化

9

xsmile 发布于 2016-07-26

腾讯推荐 “腾讯推荐”是腾讯大数据近期大力打造的开放服务平台,旨在集业务接入、数据上报、算法计算、实时推荐和效果监控于一体,对外提供全自动实时精准推荐服务。 腾讯推荐官网: tuijian.qq.com 推荐是什么? 文章中提到的推荐均是指在海量的物品中自动为用户选取到感兴趣或合...

阅读(1228)评论(0)赞 (0)

数据挖掘

推荐系统中所使用的混合技术介绍

2

xsmile 发布于 2016-06-30

文/陈运文 在推荐系统实际运用中,各种混合技术是其中一项极为重要的核心技术。在工程实践中我们发现,混合技术对提升推荐效果、改进推荐系统的性能等都有重要意义,因此本文对该专题进行如下的一些总结和介绍。 引言 在这个信息爆炸的时代,消费者面临众多选择、未知的领域、过载的信息时,往往无...

阅读(1364)评论(0)赞 (5)

数据挖掘

佳缘用户推荐系统

3

xsmile 发布于 2016-06-27

这句话我写了半年了,这篇文章算是此话付诸实践的开端吧。 本文是我对自己这几年所接触的技术的总结,有些技术与工作直接相关,有些则纯属个人兴趣。具体说,本文分为两部分,第一部分介绍佳缘用户推荐系统的 发展历史。这部分的介绍很好地反映我们对这个问题的思考和理解过程。这期间我们走了很多弯...

阅读(1032)评论(0)赞 (2)

数据挖掘

21天搭建推荐系统:实现“千人千面”个性化推荐

12

xsmile 发布于 2016-06-24

来自 https://yq.aliyun.com/articles/39629 在4月27日2016云栖大会南京峰会上,阿里云算法专家、阿里云推荐引擎技术负责人郑重(卢梭)为大家分享了《21天搭建推荐系统》议题,这次分享得到了大家的积极反馈。因此,云栖社区邀请卢梭做客云栖社区,在...

阅读(2218)评论(0)赞 (7)

数据挖掘

智能推荐系统开发中的十个关键注意点

xsmile 发布于 2016-05-24

作者:陈运文 博士,盛大智能推荐团队负责人 亚马逊的CEO Jeff Bezos曾经说过,他的梦想是“如果我有100万个用户,我就要为他们做100万个亚马逊网站”。智能推荐系统承载的就是这个梦想,即通过数据挖掘技术,为每一个用户实现个性化的推荐结果,让每个用户更便捷的获取信息。为...

阅读(1063)评论(0)赞 (2)

数据挖掘

关于推荐个人观点

xsmile 发布于 2016-05-23

作者 liyonghui 来自 http://liyonghui160com.iteye.com/blog/2078812 回想起来,我也做推荐了3年多了,最近公司做了调整招聘了很多算法工程师,以为需要多么高大上的算法才能搭建起来的,从实践中走过来,我只想说【不是这样的】 第一次...

阅读(932)评论(0)赞 (3)

数据挖掘

“今日头条”怎么计算:“网络爬虫+相似矩阵”技术运作流程

4

xsmile 发布于 2016-05-20

今日头条这类资讯聚合平台是基于数据挖掘技术,筛选和推荐新闻:“它为用户推荐有价值的、个性化的信息,提供连接人与信息的新型服务,是国内移动互联网领域成长最快的产品服务之一”。自从2012年3月创建以来,今日头条至今已经累计激活用户3.1亿,日活跃用户超过3000万。 本文尝试从技术...

阅读(1308)评论(0)赞 (8)

数据挖掘

推荐系统开发的十个关键点

xsmile 发布于 2016-04-19

作者:韩欣 来自 http://www.datatom.com/blog/search/70.html 亚马逊的CEO Jeff Bezos曾经说过,他的梦想是“如果我有100万个用户,我就要为他们做100万个亚马逊网站”。智能推荐系统承载的就是这个梦想,即通过数据挖掘技术,为每...

阅读(989)评论(1)赞 (0)

数据挖掘

推荐方法总结

xsmile 发布于 2016-04-13

在推荐系统简介中,我们给出了推荐系统的一般框架。很明显,推荐方法是整个推荐系统中最核心、最关键的部分,很大程度上决定了推荐系统性能的优劣。目前,主要的推荐方法包括:基于内容推荐、协同过滤推荐、基于关联规则推荐、基于效用推荐、基于知识推荐和组合推荐。 一、基于内容推荐 基于内容的推...

阅读(1253)评论(0)赞 (0)