11 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。
22 天前 / gongyouliu
作者丨gongyouliu编辑丨gongyouliu这是作者的第31篇文章，约1.1w字，阅读需60分钟 随着移动互联网的深入发展，推荐系统越来越得到企业界的认可，成为toC互联网公司的标配技术。推荐系统借助机器学习技术，基于对用户行为的挖掘，能够洞察用户的兴趣偏好，自动化地为用户生成个性化的内容推荐，整个推荐的过程基本可以做到完全自动化，不需要人工干预。虽然很多方面机器可以比人做得更好，但机器也有自身的问题和缺点。目前的人工智能在情感、应急处理、复杂问题决策等很多方面还根本无法与人相比，这些方面都可以很好地体现人类的价值。
32 天前 / gongyouliu
作者丨 gongyouliu 编辑丨 gongyouliu 这是作者的第 30 篇文章，约 1.6w 字，阅读需 90 分钟 随着大数据与人工智能 (AI)技术的发展与成熟，国家政策层面对大数据与人工智能技术、创新、创业层面的支持，企业越来越意识到数据和 AI 技术的价值，并逐步认可数据是企业的核心资产。怎么利用大数据和 AI 技术从这些价值密度低、源源不断地产生的海量数据中挖掘商业价值，提升公司的决策力和竞争力，是每个提供产品 / 服务的公司 ( 特别是 toC 互联网公司)必须思考和探索的问题。
37 天前 / gongyouliu
点击上方“大数据与人工智能”，“星标或置顶公众号” 第一时间获取好内容作者丨 gongyouliu 编辑丨 zandy 这是作者的第 29 篇文章，约 9100 字，阅读需 40 分钟 推荐系统是一种信息过滤技术，通过从用户行为中挖掘用户兴趣偏好，为用户提供个性化的信息，减少用户的找寻时间，降低用户的决策成本，让用户更加被动地消费信息。推荐系统是随着互联网技术的发展及应用深入而出现的，并在当前得到广泛的关注，它是一种软件解决方案，是 toC 互联网产品上的一个模块。
60 天前 / gongyouliu
点击上方“大数据与人工智能”，“星标或置顶公众号” 第一时间获取好内容作者丨 gongyouliu 编辑丨 zandy 这是作者的第 28 篇文章，约 9700 字，阅读需 40 分钟 当前推荐系统受到越来越多的互联网公司的重视，推荐系统成为 toC 互联网产品的标配，在为用户提供个性化服务方面，推荐系统发挥着极其重要的作用。在此背景下，很多公司开始组建推荐算法团队来开发推荐系统，通过为自己的产品赋予千人千面的精准推荐能力，期望借助推荐系统更好地服务于用户，提升内容分发与转化，最终创造更多的商业价值。
65 天前 / 读芯术
全文共 3095 字，预计学习时长 9 分钟 来源：Pexels 本文将解释如何整合深度学习模型，构建服装推荐系统。 我们想要建立一个服装推荐系统，可以使用四种深度学习模型来获取用户服装使用的重要特征。 推荐系统可分为 4 类：基于产品特性的推荐基于其他用户对产品的行为的推荐基于用户一般特征的推荐基于上述多项标准的推荐来源：Pexels 在案例中，我们将根据用户和产品特性提出建议。计入考虑的用户特征是性别、年龄和体重指数（BMI）。计入考虑的产品特征是用户所穿的衣服类型。因此，我们需要一张用户的照片，对所有特征进行预测，推荐相应的服装。
70 天前 / gongyouliu
点击上方“大数据与人工智能”，“星标或置顶公众号” 第一时间获取好内容作者丨 gongyouliu 编辑丨 P 新这是作者的第 27 篇文章，约 1.2w 字，阅读需 60 分钟 推荐系统是一个偏工程应用的领域，要想在商业产品中引入推荐系统，利用推荐系统来帮助用户过滤信息，除了构建精准高效的推荐算法外，还需要设计适合特定场景的、具备美感的、易于交互的推荐产品形态。用户在与推荐产品交互的过程中获得推荐服务，通过 UI 交互完成了一次推荐产品的使用体验，体验越好的产品用户更愿意继续使用。
88 天前 / kbsc13
总第 110篇文章，本文大约 3200 字，阅读大约需要10 分钟 2020 年第一篇技术文章，以一个新的系列开始--推荐系统（Recommend System），第一篇文章会简单介绍推荐系统的定义和应用，目录如下： 什么是推荐系统你真的需要推荐系统吗推荐系统的问题模式推荐系统存在的问题推荐系统的应用什么是推荐系统来自维基百科的定义： 推荐系统是一种信息过滤系统，手段是预测用户(user)对物品(item)的评分和偏好。 进一步从以下三个方面来回答这个问题 1. 推荐系统能做什么--推荐系统最终可以把那些会在用户和物品之间产生的连接提前找出来。
88 天前 / Thinkgamer
文章推荐系统系列：1、推荐流程设计 2、同步业务数据 3、收集用户行为数据 4、构建离线文章画像 5、计算文章相似度 6、构建离线用户画像 7、构建离线用户和文章特征 8、基于模型的离线召回 9、基于内容的离线和在线召回 10、基于热门文章和新文章的在线召回 11、基于LR的离线排序 12、基于FTRL的在线排序 构造 TFRecord 训练集和前面的 LR 离线模型一样，FTRL 模型首先也是要完成训练集的构建。
98 天前 / Thinkgamer
文章推荐系统系列： 1、推荐流程设计2、同步业务数据3、收集用户行为数据4、构建离线文章画像5、计算文章相似度6、构建离线用户画像7、构建离线用户和文章特征8、基于模型的离线召回9、基于内容的离线和在线召回10、基于热门文章和新文章的在线召回 在上篇文章中我们实现了基于内容的在线召回，接下来，我们将实现基于热门文章和新文章的在线召回。主要思路是根据点击次数，统计每个频道下的热门文章，根据发布时间统计每个频道下的新文章，当推荐文章不足时，可以根据这些文章进行补足。
100 天前 / php-v
首发于深度学习前沿笔记写文章推荐系统技术演进趋势：从召回到排序再到重排张俊林你所不知道的事334 人赞同了该文章 推荐系统技术，总体而言，与NLP和图像领域比，发展速度不算太快。不过最近两年，由于深度学习等一些新技术的引入，总体还是表现出了一些比较明显的技术发展趋势。这篇文章试图从推荐系统几个环节，以及不同的技术角度，来对目前推荐技术的比较彰显的技术趋势做个归纳。个人判断较多，偏颇难免，所以还请谨慎参考。 在写技术趋势前，照例还是对推荐系统的宏观架构做个简单说明，以免读者迷失在技术细节中。
103 天前 / Thinkgamer
文章推荐系统系列：1、推荐流程设计2、同步业务数据3、收集用户行为数据4、构建离线文章画像5、计算文章相似度6、构建离线用户画像7、构建离线用户和文章特征8、基于模型的离线召回9、基于内容的离线和在线召回在上篇文章中，我们实现了基于模型的离线召回，属于基于协同过滤的召回算法。接下来，本文就讲一下另一个经典的召回方式，那就是如何实现基于内容的离线召回。相比于协同过滤来说，基于内容的召回会简单很多，主要思路就是召回用户点击过的文章的相似文章，通常也被叫做 u2i2i。
105 天前 / gongyouliu
点击上方“大数据与人工智能”，“星标或置顶公众号” 第一时间获取好内容 作者丨gongyouliu编辑丨lily这是作者的第25篇文章，约2.2w字，阅读需120分钟 推荐系统是机器学习的一个子领域，并且是一个偏工程化、在工业界有极大商业价值的方向。大量应用于提供toC类产品的互联网企业服务中，通过推荐系统为用户提供精准的个性化服务。推荐系统通过推荐算法来为用户生成个性化推荐结果，而推荐算法依赖数据输入来构建算法模型。
116 天前 / Thinkgamer
文章推荐系统系列： 1、推荐流程设计2、同步业务数据3、收集用户行为数据4、构建离线文章画像在上述步骤中，我们已经将业务数据和用户行为数据同步到了推荐系统数据库当中，接下来，我们就要对文章数据和用户数据进行分析，构建文章画像和用户画像，本文我们主要讲解如何构建文章画像。文章画像由关键词和主题词组成，我们将每个词的 TF-IDF 权重和 TextRank 权重的乘积作为关键词权重，筛选出权重最高的 K 个词作为关键词，将 TextRank 权重最高的 K 个词与 TF-IDF 权重最高的 K 个词的共现词作为主题词。
120 天前 / gongyouliu
点击上方“大数据与人工智能”，“星标或置顶公众号”第一时间获取好内容作者丨gongyouliu编辑丨zandy这是作者的第24篇文章，约1.2w字，阅读需60分钟 作者在前面几篇文章中对常用的推荐算法，如基于内容的推荐、协同过滤、矩阵分解、分解机、基于标签的推荐、深度学习等进行了详细介绍(点击蓝色字体阅读相关文章)，并在这些文章中详细说明了这些算法的优缺点。在本篇文章我们会介绍混合推荐系统(Hybrid Recommender Systems)，就是利用多种推荐算法配合起来做推荐，期望避免单个推荐算法存在的问题，最终获得比单个算法更好的推荐效果。