推荐系统实践_项亮（5）利用上下文信息

相关阅读

相关 项亮《推荐系统实践》——使用LFM隐语义模型进行Top-N推荐

使用LFM（Latent factor model）隐语义模型进行Top-N推荐 参考 [https://blog.csdn.net/HarryHuang1990/art

今天药忘吃喽~/ 2022年05月22日 00:21/ 0 赞/ 187 阅读

相关 推荐系统实践_项亮（2）利用用户行为数据

目录 第2章 利用用户行为数据 2.1 用户行为数据简介 2.2 用户行为分析 2.2.1 用户活跃度和物品流行度的分布：长尾分布 2.2.2 用户活跃度和物品流行度

淩亂°似流年/ 2022年04月15日 05:40/ 0 赞/ 260 阅读

相关 推荐系统实践_项亮（1）好的推荐系统

目录 第1章 好的推荐系统 1.1 什么是推荐系统 1.2 个性化推荐系统的应用 1.2.1 电子商务 1.2.2 电影和视频网站 1.2.3 个性化音乐网络电台

约定不等于承诺〃/ 2022年04月15日 04:37/ 0 赞/ 230 阅读

相关 推荐系统实践_项亮（5）利用上下文信息

目录 5.1 时间上下文信息 5.2 地点上下文信息 --------------------   用户上下文信息也很重要：时间、地点、心情等。举例： 衣服：季节

Bertha 。/ 2022年01月11日 23:39/ 0 赞/ 233 阅读

相关 推荐系统实践_项亮（4）利用用户标签数据

  联系用户与物品的几种途径： ![watermark_type_ZmFuZ3poZW5naGVpdGk_shadow_10_text_aHR0cHM6Ly9ibG9nLm

「爱情、让人受尽委屈。」/ 2022年01月11日 21:19/ 0 赞/ 216 阅读

相关 推荐系统实践_项亮（3）推荐系统冷启动问题

目录 3.1 冷启动问题简介 3.2 利用用户注册信息 3.3 选择合适的物品启动用户的兴趣 3.4 利用物品的内容信息 3.5 发挥专家的作用 ---------

刺骨的言语ヽ痛彻心扉/ 2022年01月11日 14:27/ 0 赞/ 242 阅读

相关 推荐系统实践_项亮（8）评分预测问题

目录 8.1 离线实验方法 8.2 评分预测方法 总结 --------------------   TOPN和评分预测问题 8.1 离线实验方法 优化RM

我会带着你远行/ 2022年01月09日 17:59/ 0 赞/ 249 阅读

相关 推荐系统实践_项亮（7）推荐系统实例

目录 7.1 外围架构 7.2 推荐系统架构 7.3 推荐引擎的架构 -------------------- 7.1 外围架构 ![watermark_typ

╰+攻爆jí腚メ/ 2022年01月09日 16:43/ 0 赞/ 285 阅读

相关 推荐系统实践_项亮（6）社交网络数据

目录 6.1 获取社交网络数据的途径 6.2 社交网络数据简介 6.3 基于社交网络的推荐 6.4 给用户推荐好友 6.5 扩展阅读 ---------------

Bertha 。/ 2022年01月09日 16:05/ 0 赞/ 222 阅读

相关 推荐系统实践学习系列（五）利用上下文信息

> 上下文包括用户访问推荐系统的时间、地点、心情等。 -------------------- （一）时间上下文 1 用户的兴趣是随着时间变化的，三天打鱼两天晒

叁歲伎倆/ 2021年06月24日 15:59/ 0 赞/ 418 阅读