推荐系统三十六式学习心得

推荐系统三十六式学习心得,更多完整内容,一起来学习

推荐系统三十六式学习心得

【MAB问题】简单却有效的Bandit算法    

【MAB问题】结合上下文信息的Bandit算法    

【MAB问题】如何将Bandit算法与协同过滤结合使用    

【常见架构】Netflix个性化推荐架构    

【常见架构】典型的信息流架构是什么样的    

【常见架构】总览推荐架构和搜索、广告的关系    

【关键模块】 推荐系统服务化、存储选型及API设计    

【关键模块】巧妇难为无米之炊:数据采集关键要素    

【关键模块】让你的推荐系统反应更快:实时推荐    

【关键模块】让数据驱动落地,你需要一个实验平台    

【近邻推荐】解密“看了又看”和“买了又买”    

【近邻推荐】人以群分,你是什么人就看到什么世界    

【近邻推荐】协同过滤中的相似度计算方法有哪些    

【矩阵分解】Facebook是怎么为十亿人互相推荐好友的    

【矩阵分解】那些在Netflix Prize中大放异彩的推荐算法    

【矩阵分解】如果关注排序效果,那么这个模型可以帮到你    

【开源工具】和推荐系统有关的开源工具及框架介绍    

【模型融合】经典模型融合办法:线性模型和树模型的组合拳    

【模型融合】深度和宽度兼具的融合模型 Wide and Deep    

【模型融合】一网打尽协同过滤、矩阵分解和线性模型    

【内容推荐】超越标签的内容推荐系统    

【内容推荐】从文本到用户画像有多远    

【内容推荐】画鬼容易画人难:用户画像的“能”和“不能”    

【其他应用算法】构建一个科学的排行榜体系    

【其他应用算法】实用的加权采样算法    

【其他应用算法】推荐候选池的去重策略    

【深度学习】深度学习在推荐系统中的应用有哪些    

【深度学习】用RNN构建个性化音乐播单

  【效果保证】道高一尺魔高一丈:推荐系统的攻防    

【效果保证】推荐系统的测试方法及常用指标介绍

   



微信 tswcxx  手机用户长按复制


微信 tswcxx  手机用户长按复制


微信 tswcxx  手机用户长按复制

首页
社科类
工科类
亲子类
心理情感类
目录
参与学习