Публикации по теме 'recommendation-system'
Глубокое обучение для конкурса Netflix Prize Challenge и не только.
Руководство по созданию надежной системы рекомендаций
Введение:
Netflix произвел революцию в том, как мы потребляем развлечения, привлекая аудиторию по всему миру своей системой персонализированных рекомендаций. За кулисами сложные алгоритмы неустанно работают, чтобы понять пользовательские предпочтения и предоставить индивидуальные предложения контента. В этом сообщении блога мы погружаемся в увлекательный мир моделей рекомендаций, используя информацию, полученную из обширного набора..
Простое понимание машины факторизации с PyTorch (Часть 1 — Объяснение)
Введение
Факторизация — один из самых важных методов прогнозирования рейтинга кликов при построении системы рекомендаций.
Имея данные о пользовательском рейтинге элемента и вспомогательной функции, мы можем затем предсказать рейтинг, который пользователь присвоит другим элементам.
Принцип
Форма данных
X представляет каждую строку данных и имеет соответствующую целевую скорость y.
Каждая строка данных содержит различные типы информации об объектах.
Синее поле..
Улучшите свои плейлисты с помощью машинного обучения: автоматическое продолжение плейлиста Spotify
Вы когда-нибудь задумывались, как Spotify предсказывает ваш музыкальный вкус, даже не спрашивая вас?
Системы рекомендаций являются важными механизмами для крупных корпораций, которые используют как содержание данных, так и отзывы пользователей.
В этом проекте по науке о данных мы попытались построить модель автоматического продолжения списка воспроизведения, используя набор данных Spotify Million Dataset Challenge , с целью рекомендовать следующие песни на основе списка..
Создайте систему рекомендаций, используя контентную фильтрацию в Python
Руководство по созданию системы рекомендаций с использованием контентной фильтрации в Python.
Привет друзья, на этот раз я построю системную рекомендацию с помощью метода Content-Based Filtering. Контентная фильтрация работает с данными, предоставленными пользователями, явно (ранжирование) или неявно (нажатие ссылок). На основе этих данных создается профиль пользователя, который затем используется для предоставления пользователю предложений. По мере того, как пользователи оставляют..
Система рекомендаций журналов на основе контента
Когда вы смотрите свою любимую песню на YouTube, читаете интересующий вас блог на Medium и совершаете покупки на Amazon, вы получаете рекомендации, основанные на ваших интересах, и в большинстве случаев эти рекомендации вам нравятся. Здесь мы обсудим, как мы можем построить такие RecSys от начала до конца. Я обещаю, что вы создадите свою собственную систему рекомендаций, если просто будете следовать этому блогу.
Бизнес-проблема
В наши дни на многих конференциях и в журналах..
Модель рекомендаций, основанная на содержании, для улучшения выбора грузов для автотранспортных компаний
Мауро Хименес и Раджат Раджбхандари, доктор философии
Резюме
В этом блоге мы обсуждаем, как мы построили и протестировали модель рекомендаций для представления соответствующих поставок перевозчикам. На платформе мы получаем более 50 000 отправлений в день из различных источников. Перевозчики считают, что фильтрация такого количества отправлений с использованием заранее определенных параметров занимает много времени. Поэтому мы построили модель, которая динамически присваивает вес..
Как создать мощные системы рекомендаций, такие как TikTok, используя совместную фильтрацию
В современном мире, управляемом данными, системы рекомендаций стали важной частью машинного обучения и науки о данных. Одной из компаний, которая с большим успехом использовала возможности рекомендательных систем, является TikTok, популярное приложение для социальных сетей. В этой статье мы рассмотрим три разных подхода к построению систем рекомендаций с использованием…
