![](https://img-blog.csdnimg.cn/20201014180756919.png?x-oss-process=image/resize,m_fixed,h_64,w_64)
搜索和推荐
文章平均质量分 83
stefaniezhao
现就职于 IBM 中国软件开发中心 新技术研发中心 Web 2.0 小组,主要关注点在数据处理、信息搜索、数据发现,推荐算法和推荐系统设计等。
展开
-
基于 Apache Mahout 构建社会化推荐引擎
本文发表于IBM developerWorks:http://www.ibm.com/developerworks/cn/java/j-lo-mahout/赵 晨婷, 软件工程师, IBM马 春娥, 软件工程师, IBMWeb 2.0 的一个核心思想就是“群体智慧”,即基于大众行为,为每个用户提供个性化的推荐。这使得如何让用户能更快速更准确的获得所需要的信息,成为了 Web 应用成败的关键。Apache Mahout 是 ASF(Apache Software Foundation)的一个较新的开源项目,原创 2010-09-15 17:31:00 · 1994 阅读 · 1 评论 -
Google‘s Metrix - Ranking Factors
Google的Ranking Factor有100多个,其中有很多对Recommendation Engine设计中也很有帮助。Overall Ranking Algorithm 24% Trust/Authority of the Host Domain22% Link Popularity of the Specific Page20% Anchor Text of External Links15% On-Page Keyword Usage7% Traffic and Click-Through D原创 2010-09-15 17:43:00 · 909 阅读 · 0 评论 -
推荐引擎 - Summary & Analysis
什么是推荐引擎?推荐引擎利用特殊的信息过滤(IF,Information Filtering)技术,将不同的内容(例如电影、音乐、书籍、新闻、图片、网页等)推荐给可能感兴趣的用户。通常情况下,推荐引擎的实现是通过将用户的个人喜好与特定的参考特征进行比较,并试图预测用户对一些未评分项目的喜好程度。参考特征的选取可能是从项目本身的信息中提取的,或是基于用户所在的社会或社团环境。你一定用过的推荐引擎:Amazon/DangDang:在Amazon或者当当上买书,你是否留意过“您可能也喜欢...", ”买过这本书的原创 2010-09-15 17:44:00 · 1327 阅读 · 4 评论 -
探索推荐引擎内部的秘密,第 2 部分: 深入推荐引擎相关算法 - 协同过滤
<br />本文发表在IBM developerWorks上: http://www.ibm.com/developerworks/cn/web/1103_zhaoct_recommstudy2/index.html?ca=drs-<br />转载请注明出处<br /> 赵 晨婷, 软件工程师, IBM赵晨婷,现就职于 IBM 中国软件开发中心 Web 2.0 开发小组,对 SOA,J2EE,Web 2.0 应用的开发有丰富的经验。主要关注点在数据处理,数据搜索,推荐算法和推荐系统设计等。马 春娥原创 2011-05-09 16:56:00 · 1405 阅读 · 2 评论 -
探索推荐引擎内部的秘密,第 1 部分: 推荐引擎初探
作者:赵 晨婷, 软件工程师, IBM赵晨婷,现就职于 IBM 中国软件开发中心 Web 2.0 开发小组,对 SOA,J2EE,Web 2.0 应用的开发有丰富的经验。主要关注点在数据处理,数据搜索,推荐算法和推荐系统设计等。马 春娥, 软件工程师, IBM马春娥,工作在 IBM CSDL web2.0 team,开发人员,曾参与 Project Zero 和 Lotus Mashup Center 的开发。主要的关注点在 web2.0 领域的数据的建模,数据的处理,数据的可视化,原创 2011-05-09 16:48:00 · 884 阅读 · 0 评论