圖靈推薦系統
圖靈社群的推薦系統主要有三個方面:標籤推薦、好友推薦、也許你喜歡。
“標籤系統”聚集具備相同標籤的圖書、文章,在推薦上的數量級是最大的;“好友推薦”和使用者在該社群的好友圈以及好友活躍度有關,用通常人的心理來類比,這一類的推薦被信任的程度比較高,但如果使用者的好友不是很多,好友不活躍,那麼這一類的推薦力度就比較弱了;“也許你喜歡”這一類推薦和採用的演算法有關,不知道圖靈社群採用的是什麼演算法,但這個可發揮的餘地也比較大,比如一本圖書,標籤、作者資訊等等都可以加入演算法,這個推薦對新使用者來說比較有效,是好友推薦的補充。
相關文章
- 圖靈社群《推薦系統實踐》新書釋出交流會圖靈新書
- 圖書推薦之希望圖靈引進圖靈
- 推薦系統
- 【推薦系統篇】--推薦系統之訓練模型模型
- 編輯推薦之《推薦系統》
- 訪談嘉賓推薦(圖靈訪談)圖靈
- 圖靈的一些好書推薦圖靈
- 【推薦系統篇】--推薦系統之測試資料
- 《推薦系統學習》之推薦系統那點事
- 推薦系統概述
- 機器學習 — 推薦系統機器學習
- 《推薦系統實踐》筆記 01 推薦系統簡介筆記
- 電影推薦系統的圖片雲存
- 推薦系統論文之序列推薦:KERL
- 推薦系統: 相關推薦方法對比
- 推薦系統一——深入理解YouTube推薦系統演算法演算法
- 【推薦系統篇】--推薦系統介紹和基本架構流程架構
- 《推薦系統》-DIN模型模型
- 《推薦系統》-PNN模型模型
- python 推薦系統Python
- 推薦系統雜談
- 推薦系統評估
- 推薦:看板系統Trello
- 給圖靈數學系列推薦一本書圖靈
- 雲音樂推薦系統(二):推薦系統的核心演算法演算法
- Mahout的taste推薦系統引擎(影片推薦案例)AST
- 圖靈熱點之閱讀篇——七月圖書推薦圖靈
- 圖靈熱點之閱讀篇——三月圖書推薦圖靈
- 圖靈熱點之閱讀篇——五月圖書推薦圖靈
- 圖靈熱點之閱讀篇——四月圖書推薦圖靈
- 圖靈熱點之閱讀篇——二月推薦圖書圖靈
- 圖靈熱點之閱讀篇——八月圖書推薦圖靈
- [O'Reilly精品圖書推薦]Hadoop生態系統Hadoop
- 如何構建推薦系統
- Spark推薦系統實踐Spark
- 推薦系統 task 1 @datawhale
- 推薦系統實踐學習系列(三)推薦系統冷啟動問題
- Hulu(北京)推薦演算法負責人周涵寧:怎樣應對基於深度學習的視訊推薦系統(圖靈訪談)演算法深度學習圖靈