关于 黑侠外推蜘蛛池破解版σσ:896515 的搜索结果,共342
s****5 2018-07-10
个性化荐(二)
总结 本章介绍了传统的个性化荐系统方法和YouTube的深度神经网络个性化荐系统,并以电影荐为例,使用PaddlePaddle训练了一个个性化荐神经网络模型。个性化荐系统几乎涵盖了电商系统、社交网络、广告荐、搜索引擎等领域的方方面面,而在图像处理、自然语言处理等领域已经发挥重要作用的深度学习技术,也将会在个性化荐系统领域大放异彩。 参考文献 P. Resnick, N. Iacovou, etc. “GroupLens: An Open Architecture for Collaborative Filtering of Netnews”, Proceedings of ACM Conference on Computer Supported Cooperative Work, CSCW 1994. pp.175-186. Sarwar, Badrul, et al. "Item-based collaborative filtering recommendation algorithms."
c****2 2018-07-10
个性化荐(一)
为了决这个难题,个性化荐系统(Recommender System)应运而生。 个性化荐系统是信息过滤系统(Information Filtering System)的子集,它可以用在很多领域,如电影、音乐、电商和 Feed 流荐等。个性化荐系统通过分析、挖掘用户行为,发现用户的个性化需求与兴趣特点,将用户可能感兴趣的信息或商品荐给用户。与搜索引擎不同,个性化荐系统不需要用户准确地描述出自己的需求,而是根据用户的历史行为进行建模,主动提供满足用户兴趣和需求的信息。 1994年明尼苏达大学出的GroupLens系统[1]一般被认为是个性化荐系统成为一个相对独立的研究方向的标志。该系统首次提出了基于协同过滤来完成荐任务的思想,此后,基于该模型的协同过滤荐引领了个性化荐系统十几年的发展方向。 传统的个性化荐系统方法主要有: 协同过滤荐(Collaborative Filtering Recommendation):该方法是应用最广泛的技术之一,需要收集和分析用户的历史行为、活动和偏好。
TOP