Публикации по теме 'recommender-systems'


Лучшие рекомендации: используйте обучение с подкреплением
Лучшие рекомендации: используйте обучение с подкреплением Чтобы постоянно улучшать производительность и точность машин с течением времени, мы используем Reinforcement Learning (RL) — подход, с помощью которого интеллектуальные программы (агенты) работают в неизвестной среде и постоянно адаптируются и учатся на основе баллов. Если вы думаете о том, как вас обучали в детстве, вы можете перевести это в RL; обратная связь может быть положительной, поощрения или отрицательной, наказания..

Рекомендательные системы — Знайте своих пользователей лучше, чем они сами себя знают
Погружение в традиционные методы и подходы к рекомендательным системам с акцентом на совместную фильтрацию. Я думаю, мы все можем согласиться с тем, что опыт покупок в Интернете сегодня может в значительной степени имитировать опыт покупок в магазине в отношении того, что продавец дает рекомендации и направляет нас к новым продуктам, которые на самом деле соответствуют нашим предпочтениям. По общему признанию, не раз я находил немного жутким то, насколько мне в конечном итоге нравятся..

Гибридный рекомендатель на основе fastText
Гибридный рекомендатель на основе fastText Используя новую библиотеку fastText от Facebook Research в контролируемом режиме, я обучил гибридную систему рекомендаций, чтобы рекомендовать статьи пользователям, используя в качестве обучающих данных как текст в статьях, так и матрицу взаимодействия между пользователем и статьей. Ярлыки, прикрепленные к документу, были как его идентификатором, так и идентификаторами всех пользователей, которые его просматривали. Я еще не закончил его..

Глубокое обучение для рекомендательных систем
Глубокое обучение для рекомендательных систем Как мы улучшаем рекомендации по автомобилям на mobile.de Поиск автомобиля, который соответствует вашим предпочтениям, может оказаться очень трудоемкой задачей и может свести вас с ума. С другой стороны, с примерно 1,5 миллионами автомобилей на нашей платформе, описания транспортных средств, которые постоянно меняются, и пользователи, которые все еще изучают, также могут свести с ума нас как поставщика решений. В этих обстоятельствах..

Когнитивная нагрузка: что она означает для успеха рекомендательных систем
Взгляд на успехи и неудачи рекомендательных систем, а также влияние конкретных контекстов на пользователей, которые с ними взаимодействуют. Моя точка зрения В мире, где доминируют и находятся под влиянием рекомендательных систем, важно понимать различные последствия того, что люди испытывают эти системы в разных контекстах на протяжении всей своей жизни. Приводит ли напряженный день к тому, что люди по умолчанию выбирают предлагаемый контент на Netflix или Spotify? Или люди с..

Как они читают ваши мысли ?
ОБРАБОТКА ЕСТЕСТВЕННОГО ЯЗЫКА (ЧАСТЬ III) Нижеследующее является частью серии статей по НЛП. (Отметьте Часть I и Часть II ) Вы когда-нибудь задумывались, как Spotify Discover Weekly может каждую неделю предоставлять вам настраиваемый плейлист, который соответствует вашим вкусам? Вы когда-нибудь искали видео и находили именно то, что искали, в списке рекомендуемых видео на YouTube? Разве не впечатляет то, что ваш любимый новостной веб-сайт предоставляет вам статьи, которые вас..

Рекомендации с нейронными сетями
Рекомендатели широко используются в розничной торговле, чтобы персонализировать опыт для клиента. Они являются частью основы систем электронной коммерции и социальных сетей. Как известно, они используются для: - рекомендаций фильмов - рекомендаций продуктов - рекомендаций новостного контента. - …и даже онлайн-знакомства. Наиболее часто используемая техника для создания рекомендаций сегодня — это совместная фильтрация. Совместная фильтрация Системы совместной фильтрации генерируют..