2019年05月_jony0917

12月 11月 10月 09月 08月 07月 06月 05月 04月 03月

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

Web Information Extraction : Extract relevant information from web documents.

2018-11-28

OPENGL编程指南

[OPENGL编程指南] (美)Dave.Shreiner 扫描版

2014-12-07

嵌入式Linux应用程序开发标准教程

嵌入式Linux教程第1章，Linux快速入门第2章，linux基础命令第3章，linux下C基础第4章，嵌入式系统基础第5章，嵌入式linux开发环境的搭建第6章，文件IO编程第7章，进程控制开发第8章，进程间通信第9章，多线程编程第10章，嵌入式linux网络编程第11章，嵌入式linux设备驱动开发第12章，Qt图形编程基础

2014-01-24

嵌入式系统原理与设计中文清晰版本

嵌入式开发不可错过的资料，可以参考一下第1章，嵌入式系统概述第2章，嵌入式处理器第3章，嵌入式存储器第4章，接口、总线和典型外设第5章，嵌入式硬件设计及其方法第6章，嵌入式操作系统第7章，嵌入式软件开发第8章，嵌入式网络第9章，项目实例分析 a,LED驱动 b,温度控制系统 c,多路视频服务器 d,智能家居系统 e,指纹识别系统

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

原创 推荐系统技术内幕（五）：工程篇

原创 推荐系统技术内幕（四）：算法篇之召回与融合

原创 推荐系统技术内幕（三）：算法篇之用户画像

原创 推荐系统技术内幕（二）：算法篇之物品画像