Публикации по теме 'recommender-systems'


Создание рекомендательной системы для обогащения данных
Что такое рекомендательные системы? Вы видели это везде. Каждая крупная технологическая компания теперь использует какую-то систему рекомендаций на своей платформе. Facebook предлагает друзьям, Netflix рекомендует фильмы, также Youtube и видео, а Amazon рекомендует… все. Почему они это делают? Что ж, каждый случай индивидуален, но в целом хорошие рекомендации означают лучший пользовательский опыт, и они найдут новые способы, чтобы пользователи были вовлечены и были..
Общее понимание рекомендательных систем и их методов
Системы рекомендаций приобрели большое значение в индустрии электронной коммерции, где для пользователей создается широкий спектр вариантов. По сути, это система фильтрации информации, которая использует отзывы и сведения о пользователях для прогнозирования предпочтений пользователя в отношении того или иного элемента. Система рекомендаций может использовать предыдущее поведение или характеристики пользователей, чтобы предоставлять им персонализированный контент и услуги. Скрытая и..
Гибридная система рекомендаций, использующая совместную фильтрацию на основе пользователей и элементов
4 гибридных метода для объединения совместной фильтрации «пользователь-пользователь» и «элемент-элемент» Системы рекомендаций стали неотъемлемой частью различных отраслей, от онлайн-ритейла до цифровых медиа. Двумя популярными методами рекомендаций являются совместная фильтрация на основе пользователей и на основе элементов. Но зачем ограничиваться одним, когда можно воспользоваться преимуществами обоих? В этой статье рассматривается, как создать надежную гибридную систему..
Как оценить рекомендательные системы?
Метрики оценки В недавних сообщениях блога мы представили выдающиеся алгоритмы рекомендательных систем, которые широко используются как в промышленности, так и в литературе, под другим углом зрения, используя графики . Кроме того, мы пролили свет на новые подходы, включая рекомендательные системы на основе графа знаний , которые набирают популярность в области исследования рекомендаций. В этом сообщении блога мы углубимся в процесс оценки рекомендательных систем. Мы рассмотрим..
Рекомендательные системы — Полное руководство по моделям машинного обучения
Использование данных, чтобы помочь пользователям находить новый контент Рекомендательные системы: зачем и как? Системы рекомендаций  — это алгоритмы, предоставляющие персонализированные рекомендации по элементам, наиболее подходящим для каждого пользователя. С массовым ростом доступного онлайн-контента пользователи были завалены выбором. Поэтому для веб-платформ крайне важно предлагать рекомендации по элементам каждому пользователю, чтобы повысить удовлетворенность и..
Типы данных в рекомендательных системах
Типы данных в рекомендательных системах Есть два способа сбора данных для создания рекомендательных систем — явный и неявный . Мы поговорим об обоих типах данных, их характеристиках и проблемах с ними. Явные наборы данных обратной связи Словарное значение слова «явный» заключается в том, чтобы сформулировать четко и подробно . Явные данные обратной связи, как следует из названия, представляют собой точное число, которое пользователь дает продукту. Некоторыми примерами явной..
Средняя средняя точность при K (MAP@K) ясно объяснена
Пошаговое объяснение одной из самых популярных метрик оценки для рекомендаций или проблем ранжирования Средняя средняя точность при K (MAP@K) — это один из наиболее часто используемых показателей оценки для рекомендательных систем и других задач классификации, связанных с ранжированием . Поскольку эта метрика представляет собой набор различных метрик или слоев ошибок, ее может быть не так просто понять на первый взгляд. В этой статье шаг за шагом объясняется MAP@K и его..