五個有關推薦系統的資料
建立大規模的真實世界推薦系統Building Large-scale Real-world Recommender Systems - Recsys2012 tutorial
解剖了Netflix的個性化特點(“一切都是個性化”),在這篇PPT中談了Netflix的資料模型(包括物流/線性迴歸,彈性網,矩陣分解和馬爾可夫鏈),消費資料科學(使用者離線和線上測試),
在建立大型社會網路推薦系統中關鍵要點Key Lessons Learned Building Recommender Systems for Large-scale Social Networks
這篇PPT談了推薦系統對於LinkedIn的重要性,提供了使用者絕佳體驗,以及關於切片/標籤資料的挑戰性, 測試的價值等
音樂推薦和唱片發現Music Recommendation and Discovery Remastered
談了建設一個音樂推薦系統(包括龐大的庫存,每件成本低,低功耗,高度情境使用)面臨的獨特挑戰,怎樣才能做出一個好的音樂推薦,以及不同推薦策略的優點/缺點。
建立一個基於Solr的實時推薦引擎Building a Real-time, Solr-powered Recommendation Engine
該文提供了一個使用Solr搜尋和匹配的概述,包括基於內容(基於屬性的,分層的,文字的相似性,基於概念)和基於行為的方法構建推薦系統相關概念。也指出CareerBuilder為什麼選擇Solr而沒有選擇Mahout。
Committing to Recommendations
談了有關Stitch Fix建立一個完美推薦系統的努力 – 甚至客戶都沒有明顯感受到它的存在,也談了關於演算法 資料收集,以及如何將演算法和人工判斷結合在一起。
[該貼被banq於2013-07-18 07:00修改過]
相關文章
- 【推薦系統篇】--推薦系統之測試資料
- CRM系統選擇的五個標準及推薦
- 推薦系統: 相關推薦方法對比
- 乾貨|個性化推薦系統五大研究熱點之可解釋推薦(五)
- 關於《推薦系統實踐》
- 大資料應用——資料探勘之推薦系統大資料
- 關於推薦系統中的特徵工程特徵工程
- 推薦五款最常見的雲資料庫資料庫
- 電影推薦系統資料預處理
- 搭建推薦系統快速入門,只需五步!
- 推薦系統:關聯規則(2)
- LibRec: 基於機器學習的大資料推薦系統機器學習大資料
- 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》
- 個性化推薦系統來了
- 推薦幾個有關Silverlight和Prism的學習資源
- 推薦一個開源的LMS系統ILIAS
- 請大家推薦個開源的OA系統
- 推薦系統相關術語知多少
- 新聞個性化推薦系統(python)-(附原始碼 資料集)Python原始碼
- 五款精品資料視覺化工具推薦視覺化
- 推薦系統實踐 0x05 推薦資料集MovieLens及評測
- 《推薦系統學習》之推薦系統那點事
- Mahout的taste推薦系統引擎(影片推薦案例)AST
- 雲音樂推薦系統(二):推薦系統的核心演算法演算法
- 推薦系統概述
- 機器學習 — 推薦系統機器學習
- 哪個CRM更好用?CRM系統推薦
- 《推薦系統實踐》筆記 01 推薦系統簡介筆記
- 《推薦系統實踐》關於Latent Factor Model
- Oracle 19C 資料庫引數推薦(五)Oracle資料庫
- 五個Svelte UI介面庫包推薦UI
- 智慧推薦系統:個性化推薦引領消費新潮流
- 推薦系統論文之序列推薦:KERL
- 推薦五個好用的Python測試框架!Python框架
- 推薦五個Vue2的免費教程Vue
- 有關Sybase資料庫系統、IQ系統的網貼總結資料庫