“推荐系统”版本间的差异
来自iCenter Wiki
（→推荐系统） |
|||
| 第2行： | 第2行： | ||
大数据智能的一个应用，在电子商务领域比较普遍。 | 大数据智能的一个应用，在电子商务领域比较普遍。 | ||
| + | |||
| + | 电子商务规模不断扩大的背景下，商品数量和种类快速增长，用户需要花费大量时间才能找到自己想买的商品，这就是信息超载问题。为了解决这个难题，推荐系统（Recommender System）应运而生。 | ||
| + | |||
| + | 个性化推荐系统是信息过滤系统（Information Filtering System）的子集，它可以用在很多领域，如电影、音乐、电商和 Feed 流推荐等。推荐系统通过分析、挖掘用户行为，发现用户的个性化需求与兴趣特点，将用户可能感兴趣的信息或商品推荐给用户。 | ||
| + | |||
| + | 与搜索引擎不同，推荐系统不需要用户准确地描述出自己的需求，而是根据分析历史行为建模，主动提供满足用户兴趣和需求的信息。 | ||
=协同过滤= | =协同过滤= | ||
2017年3月20日 (一) 04:16的版本
推荐系统
大数据智能的一个应用，在电子商务领域比较普遍。
电子商务规模不断扩大的背景下，商品数量和种类快速增长，用户需要花费大量时间才能找到自己想买的商品，这就是信息超载问题。为了解决这个难题，推荐系统（Recommender System）应运而生。
个性化推荐系统是信息过滤系统（Information Filtering System）的子集，它可以用在很多领域，如电影、音乐、电商和 Feed 流推荐等。推荐系统通过分析、挖掘用户行为，发现用户的个性化需求与兴趣特点，将用户可能感兴趣的信息或商品推荐给用户。
与搜索引擎不同，推荐系统不需要用户准确地描述出自己的需求，而是根据分析历史行为建模，主动提供满足用户兴趣和需求的信息。
协同过滤
基于深度学习的推荐系统
性化推荐神经网络模型。
http://book.paddlepaddle.org/recommender_system/
基于强化学习的推荐系统
Gorila (General Reinforcement Learning Architecture)
- Massively Parallel Methods for Deep Reinforcement Learning, arxiv 1507.04296.
RecSys会议
- Covington P, Adams J, Sargin E. Deep neural networks for youtube recommendations[C]//Proceedings of the 10th ACM Conference on Recommender Systems. ACM, 2016: 191-198.
