联系用户和物品，解决信息过载的的问题
1.信息消费者：如何在大量的信息中找到自己想要或者敢兴趣的东西
2.信息生产者：如何让自己的信息在大量信息种脱颖而出，迅速被人发现
1.有明确需求，但是信息过载
2.没有明确需求，需要被挖掘
1.信息消费者：如何在大量的信息中找到自己想要或者敢兴趣的东西
2.信息生产者：如何让自己的信息在大量信息种脱颖而出，迅速被人发现
1.对于用户：通过分析用户的历史行为进行兴趣建模，主动给用户推荐满足用户兴趣和需求的信息，（某种意义上可以与搜索引擎形成互补）
2.对于物品：能够更好的挖掘物品的长尾信息
1.朋友咨询，热心人推荐 ----- 社会化推荐 （social recommendation）
2.基于自己喜欢的内容进行搜索 ----- 基于内容的推荐 （content-based filtering）
3.基于用户行为分析的推荐 -----基于协同过滤的推荐 （collaborative filtering）
《推荐系统实践》学习笔记系列(一) 前言 推荐系统解决的问题：信息过载（information overlo...
项亮老师的《推荐系统实践》学习笔记。 目录 1、什么是推荐系统 2、个性化推荐系统应用场景 3、推荐系统评测推...
一、什么是推荐系统 1.1、推荐系统 联系用户和物品，解决信息过载的的问题 目标用户： 1.信息消费者：如何在大量...
原理链接 推荐系统遇上深度学习(三)--DeepFM模型理论和实践 推荐系统遇上深度学习系列：推荐系统遇上深度学习...
国外推荐系统实践 Facebook的深度学习推荐系统 Airbnb基于Embedding的实时搜索推荐系统 You...
推荐系统遇上深度学习系列：推荐系统遇上深度学习(一)--FM模型理论和实践：https://www.jianshu...
推荐系统遇上深度学习系列： 推荐系统遇上深度学习(一)--FM模型理论和实践：https://www.jiansh...
推荐系统实践 (豆瓣)（入门书籍） 推荐系统 (豆瓣) 机器学习实战 (豆瓣) 统计学习方法 (豆瓣) Recom...
推荐系统遇上深度学习系列：推荐系统遇上深度学习(一)--FM模型理论和实践：https://www.jianshu...
本文标题：推荐系统实践学习笔记
本文链接：https://www.haomeiwen.com/subject/lmbrvhtx.html
网友评论