用于推荐系统评估的概念与指标

2019-08-28
阅读 3 分钟
3k
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?

2019-08-22
阅读 4 分钟
5.1k
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,也就没办法使用矩阵分解技术来“填补空白”。

推荐系统如何处理数据?

2019-08-19
阅读 2 分钟
2k
据统计,全球数据总量预计2020年达到44ZB,中国数据量将达到8060EB,占全球数据总量的18%。现阶段我们所讨论的人工智能,很大程度上都是在谈“人工智能”这个大概念下机器学习领域中的深度学习技术。它的底层原理相对简单,对数据有很大的依赖性,本质上是一种基于大数据的统计分析技术。

推荐系统:算法概述

2019-08-18
阅读 2 分钟
3.1k
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。

推荐系统:混合过滤

2019-08-18
阅读 1 分钟
1.5k
使用多种推荐技术能够弥补模型中某种技术存在的缺陷。组合方法可以是以下任何一种:分别实现算法后组合推荐结果,在协同过滤中加入基于内容的过滤,在基于内容的过滤中加入协同过滤,或者,把基于内容的过滤和协同过滤整合到一个推荐系统中。

推荐系统:协同过滤及其利弊

2019-08-18
阅读 4 分钟
4.3k
与基于内容的过滤(CBF)不同,协同过滤(Collaborative Filtering)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。

推荐系统过滤技术:基于内容的过滤及其利弊

2019-08-13
阅读 2 分钟
3.7k
在上一篇文章中,我们介绍了推荐系统的主要工作流程。在接下来的文章中,我们会详细分析推荐系统中的过滤技术。 推荐系统中不同的过滤技术 推荐系统要想为用户提供切实有用的推荐服务,高效、准确的推荐技术至关重要,也就是说,理解不同推荐过滤技术的特征和潜力至关重要。 下图显示了推荐系统中不同的过滤技术: 推荐...

推荐系统的工作流程

2019-08-08
阅读 2 分钟
1.9k
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。

没有用户数据时如何搭建推荐系统?用这三种办法!

2019-08-08
阅读 2 分钟
2.4k
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)来自于内容条目本身,并非用户行为。有了书面文本,我们便可以使用语义技术提取文本特征。