Публикации по теме 'recommendation-system'
Меры сходства для систем рекомендаций, основанных на содержании
Когда дело доходит до систем рекомендаций, особенно основанных на содержании, сходство продуктов, которые следует рекомендовать, становится важной мерой.
Давайте рассмотрим пример, чтобы понять рекомендации, основанные на содержании.
Предположим, к вам приходит друг с предложением фильма. Мы не начинаем снимать названия фильмов случайным образом, вместо этого мы учитываем вкусы нашего друга в жанре кино и, соответственно, предлагаем им фильмы. Системы рекомендаций, основанные на..
Датафикация и персонализация: способ Netflix расширить создание ценности для клиентов!
Способ Netflix расширить создание ценности для клиентов
Netflix начала свою деятельность как компания по аренде DVD более 20 лет назад. Благодаря персонализации в своей основе Netflix рекомендовал и отправлял DVD своим клиентам. В то время его алгоритмы персонализации имели очень мало точек данных - прошлую историю проката, продолжительность хранения DVD и, возможно, некоторую дополнительную демографическую информацию.
Перенесемся в то время, когда Netflix запустил потоковый сервис, он..
Простой шаг постобработки для повышения справедливости совместных рекомендательных систем
Вступление
В этой статье я опишу алгоритм, который можно применить в качестве этапа постобработки, чтобы уменьшить предвзятость популярности, присущую системам рекомендаций на основе совместной фильтрации. Содержание статьи основано на работе [1]. Код для воспроизведения результатов и цифр можно найти в этом репозитории .
Я предполагаю, что читатель знаком с концепцией совместной фильтрации в контексте рекомендательных систем.
Мотивация
Системы рекомендаций на основе совместной..
День 46 из 100DaysofML
Системы рекомендаций. Я испытывал сильное давление, чтобы закончить этот блог из-за нехватки времени, но приступим. Я собираюсь рассказать об основах рекомендательных движков, и я поделюсь исходным кодом в следующие пару дней, как только закончу работу над проектом.
Я бы порекомендовал посмотреть это короткое видео перед тем, как мы начнем.
Честно говоря, некоторые из лучших систем рекомендаций, с которыми мы сталкиваемся и которые легко объяснимы, - это SPOTIFY и NETFLIX...
Проекты машинного обучения Scala: системы рекомендаций
Когда вы говорите о системе рекомендаций фильмов, вы не можете не думать о Netflix. Netflix - американская развлекательная компания, которая использует подход совместной фильтрации на основе моделей для рекомендаций фильмов в реальном времени для своих подписчиков.
В этой статье рассматривается основанный на модели механизм рекомендаций фильмов со Spark, который рекомендует фильмы для новых пользователей. Вы увидите, как взаимодействовать между ALS и матричной факторизацией (MF) для..
Три разных приложения машинного обучения стали понятными
Введение
В этой статье представлены и объяснены три мощных приложения машинного обучения. Все эти три приложения актуальны во множестве секторов экономики и доказали свою полезность в разнообразных бизнес-моделях. Для каждого приложения машинного обучения объясняются основные концепции наряду с кратким кратким описанием технических аспектов нескольких распространенных методов, с помощью которых может реализоваться это приложение. Кроме того, тематические исследования используются, чтобы..
Модельно-ориентированная система рекомендаций с матричной факторизацией — Модель ALS и математика, стоящая за ней
Collaborative Filtering — наиболее реализованная и зрелая система рекомендаций. Мы собираемся построить рекомендательную систему на основе модели — матричной факторизации, используя модель ALS, предоставленную pyspark.
Ссылка на GitHub: https://github.com/chiang9/Recommendation_system_pyspark/blob/main/ALS_model/movielen%20ALS.ipynb
Разреженная матрица R может быть построена на основе данных об отношении пользователей к элементам и их оценок. Оценки могут быть получены от..
