Публикации по теме 'recommendations'


Разумные рекомендации пользователей с ATRank
Новая модель Alibaba для эффективного прогнозирования поведения пользователей Эта статья является частью серии Academic Alibaba и взята из статьи под названием ATRank: модель моделирования поведения пользователя на основе внимания для рекомендации , написанной Чан Чжоу, Цзиньзе Бай, Цзюньшуай. Сонг, Сяофэй Лю, Чжэнчао Чжао, Сюси Чен и Цзюнь Гао, принятые на конференции Ассоциации по развитию искусственного интеллекта 2018 года. Полностью статью можно прочитать здесь ...
Объяснение системы рекомендаций Light FM
В моей последней статье я представил краткий обзор трех основных типов рекомендательных систем : методы, основанные на содержании, совместная фильтрация и гибридные модели. Я также представил недавнюю модель модной компании Lyst под названием Light FM, которая объединяет метаданные продукта, информацию о клиентах и ​​историю транзакций через скрытое пространство, чтобы предлагать рекомендации для клиентов. Что мне понравилось в Light FM, так это то, что он использует всю доступную..
Как Netflix использует науку о данных и AIML, чтобы давать рекомендации
Основываясь на своей репутации компании, предоставляющей зрителям широкий выбор высококачественного потокового видео, Netflix обычно признается ведущей платформой OTT (over-the-top). Netflix использует передовые технологии, такие как искусственный интеллект и машинное обучение, чтобы предлагать клиентам более актуальные и интуитивно понятные решения, поэтому его услуги так популярны во всем мире. В этой статье рассказывается, как Netflix использует машинное обучение, науку о данных и..
Масштабирование данных в экземпляре AWS для рекомендательной системы Spotify
Данные Как упоминалось в моей предыдущей записи, моделирование было выполнено с 2% выборок данных (20 000). Что для некоторых может быть или не быть достаточно большим. Если говорить о больших данных, то 20 000 сэмплов определенно недостаточно. Для нашего набора данных, 1 миллион плейлистов, 66,3 миллиона треков среди плейлистов и 2,2 миллиона уникальных треков, мы имеем дело с серьезным набором данных. Вся обработка 2% данных была выполнена локально на компьютере с 32 ГБ..
Механизмы контекстных рекомендаций  —  Часть 1
Абстрактный До сих пор было проведено много исследований по созданию механизмов общих рекомендаций, способных предлагать персонализированные рекомендации с учетом всех данных. После появления автокодировщиков и генеративного искусственного интеллекта в этой области произошли значительные улучшения. Вместо использования матричной факторизации ученые, работающие с данными, находят новые способы использования совместной фильтрации. Одним из таких способов является использование..
Решение для получения бронзовой медали на Kaggle OTTO — Многоцелевая рекомендательная система
6% лучших решений из 2587 соревнующихся команд Конкурс Ссылка на страницу конкурса: https://www.kaggle.com/competitions/otto-recommender-system/overview Репозиторий решения GitHub: https://github.com/ajisamudra/kaggle-otto-multi-objective-recsys Задание Вырезано из обзора соревнований Интернет-покупатели могут выбирать из миллионов товаров от крупных розничных продавцов. Хотя такое разнообразие может впечатлять, наличие такого количества вариантов для изучения может..
Покажите людям, что они хотят! (не ломая банк)
В Depop у нас есть огромный ассортимент уникальных продуктов. Для сообщества наших покупателей это здорово; существует широкий спектр продуктов, которые они могут искать, а также сотни Лучших продавцов , которые подбирают товары для определенного стиля, которому они могут следовать; 2000 год и винтажная сумка? Или прямо эстетика 90-х ? Однако мы также хотим иметь возможность предлагать персонализированные рекомендации нашим пользователям, чтобы помочь им изучить огромное..