295 天前 / 楼外青山
引言推荐系统是依据用户的个人喜好尽可能推荐用户喜爱的物品（视频、新闻、商品、直播等），而用户的兴趣偏好则通过过往的行为数据体现出来。当没有历史记录可循时，就存在推荐冷启动问题。本文在接下来的篇幅首先讲述冷启动的相关概念，然后介绍一些业界常规的解决方法，最后会着重阐述花椒直播在解决用户冷启动方面的实践。 1. 冷启动概念推荐系统旨在通过用户特征及交互行为和物品的特征来预测用户对物品的偏好，从而进行个性化推荐，当物品或用户缺少足够的有效信息时，即存在冷启动问题。
327 天前 / 楼外青山
什么是 KongKong 是面向现代架构（混合云，混合组织）的下一代 API 网关平台，具有云原生、高性能，易用、可扩展等特性。 适用于 Api Gateway, Kubernetes Ingress, Service Mesh Sidecar 等场景。 主要特性有： 云原生： 与平台无关，Kong 可以从裸机运行到 Kubernetes 高性能 : 背靠非阻塞通信的 nginx，性能自不用说插件机制 : 提供众多开箱即用的插件，且有易于扩展的自定义插件接口，用户可以使用 Lua 自行开发插件熔断：可以通过插件实现熔断，避免系统雪崩日志： 可以记录通过 Kong 的 HTTP，TCP，UDP 请求和响应。
357 天前 / 楼外青山
排序算法概述现代推荐系统一般分为召回和排序两个阶段。召回阶段一般会用一些成本低、速度快的模型从十万、百万量级的候选集中初步筛选，留下千、百个；然后在排序阶段用更加精细的特征和复杂的模型来进行精排，最终留下 topK 个。 近十年间，业界排序模型的发展可以说是一日千里，从千篇一律的 LR，到 2010 年 FM 的提出，再到 2014 年 Facebook 提出的树模型 GBDT，这几年可以看成是现代推荐系统的上半场； 而 2015 年至今可以看成是飞速发展的下半场，几年之间，以 DNN 等模型为代表的深度学习网络，如雨后春笋般的出现...
507 天前 / GO语言中文网
一、协同过滤算法概述协同过滤(collaborative filtering)算法一经发明便在推荐系统中取得了非凡的成果。许多知名的系统早期都采用了协同过滤算法，例如Google News，亚马逊、Hulu、Netfix等。协同过滤算法一般采用评分矩阵来表示用户和物品的交互，评分矩阵 R中的每一个元素 rij表示用户 i对物品 j的喜好评分。由于用户不能对大部分物品都有交互，所以在很多场景下评分矩阵都很稀疏，稀疏率在 90% 以上，稀疏度很高决定算法在优化和选取上有很多考量。