- 博客(4)
- 资源 (4)
- 收藏
- 关注
原创 推荐系统技术内幕(五):工程篇
算法与工程的关系算法解释了推荐系统的工作原理,从原理到最终上线的系统,中间还有很大一段距离,这段距离就是由工程来连接的。可以说,所有跟实现相关的工作,都属于工程方面的工作,所以工程上的考虑点非常多,涉及实现相关的方方面面,从实现设计到工作量评估,从项目风险管理到进度把控,大到架构设计、技术选型,小到模块划分、开发语言选择、函数设计,等等。算法与工程的关系,就是设计与实现的关系,设计的确很重要,...
2019-05-05 17:35:36 800
原创 推荐系统技术内幕(四):算法篇之召回与融合
基于内容的推荐算法基于内容的推荐算法,建立在这样一个基本假设上:用户会喜欢他喜欢的物品的相似物品。这是一个很朴素的假设,也比较符合人性,比如如果喜欢看喜剧之王,大概率也会喜欢大话西游。在这个假设的基础上,我们的推荐算法的过程就是:将找到用户喜欢的物品的相似物品,如果用户还没有消费过,就推荐给他。原理是不是很简单。在新物品加入的时候,还没有积累任何的用户行为数据,这时候只能靠基于内容的推荐了...
2019-05-04 09:35:32 7407 2
原创 推荐系统技术内幕(三):算法篇之用户画像
做好推荐系统的第二步,就是认识用户。如果你不了解用户的喜好,推荐也就无从谈起。所以在用户冷启动的时期,我们会用一些策略去试探用户的喜好,目标也是为了认识用户。认识用户用专业术语表达就是用户画像(User Profile)。读者应该看过下图形式的用户画像:这种图形化的用户画像,用不同颜色和字体的标签,拼出用户的剪影形象。实际上,这种形式的用户画像,对计算机来说没什么用处。为什么呢?因为对于...
2019-05-01 17:32:14 3354
原创 推荐系统技术内幕(二):算法篇之物品画像
做好推荐的第一步,是认识待推荐的物品。例如,如果不知道一篇文章是介绍机械键盘的,也就不可能把它推荐机械键盘的爱好者们。对物品认识的角度,准确性,覆盖面,等等,都影响着后续推荐的质量。文本是物品信息的最常见的存在形式,文本以很多种格式存储和传输,并且常常是以自然语言形式组织的,但是在推荐系统无法理解自然语言信息,必须是结构化处理。文本挖掘算法承担着转化的任务。本文将介绍文本类挖掘算法。信息提取...
2019-05-01 13:04:08 2145
Web Information Extraction
2018-11-28
嵌入式Linux应用程序开发标准教程
2014-01-24
嵌入式系统原理与设计 中文清晰版本
2014-01-24
空空如也
TA创建的收藏夹 TA关注的收藏夹
TA关注的人