推荐系统：基于内容的过滤

于04-20 14:09 - MobotStone -
上一篇文章我们介绍了 推荐系统：ARL（关联规则学习），可以通过关联规则挖掘算法Apriori来实现关联规则推荐系统，今天我们来聊聊如何通过基于内容的过滤来实现推荐系统. 基于内容的过滤是用作推荐系统的另一种常用方法之一. 内容的相似性是根据产品元数据计算的，它提供了制定推荐的选择，推荐与用户过往购买过的产品相关性最相似的产品.

开源API越权漏洞检测系统推荐：IDOR_detect_tool

于03-03 01:19 - - 开源推荐 开源
相信大部分读者跟我一样，每天都在写各种API为Web应用提供数据支持，那么您是否有想过您的API是否足够安全呢. Web应用的安全是网络安全中不可忽视的关键方面. 我们必须确保其Web应用与后台通信的安全，以防止数据泄露，因为这可能导致重大的财务损失和声誉受损. 而在Web应用的安全问题中，最常见的漏洞之一是不安全的直接对象引用，简称：IDOR.

知识图谱增强下的智能推荐系统与应用-于敬

于11-17 15:35 - 达观数据 - 人工智能 推荐系统 深度学习 自然语言处理 知识图谱
随着互联网技术的迅速发展，尤其是移动互联网的兴起，新产生的信息呈现爆炸式的增长. 为了更好地解决信息获取中的信息过载（Information Overload）和长尾问题（Long Tail），推荐系统应运而生，目前基本上已经成为了各种产品的标配功能. 推荐系统是信息过滤系统的一个分支，它可以自动地挖掘用户和物品之间的联系.

使用Excel搭建推荐系统

于11-13 23:06 - 钱魏Way - 器→工具 工具软件 数据 术→技巧 机器学习
在上一篇 重新认识Excel的文章中，提到了Excel无所不能，然后就想到了曾经看到的这篇关于如何使用Excel搭建推荐引擎的文章. 于是找了出来做了下简单的翻译（只翻译了重点部分）. 在互联网上有无限的货架空间，找到你想看的东西可能会让人筋疲力尽. 幸运的是，与决策疲劳作斗争是 Netflix 的工作……而且他们很擅长.

推荐系统模型处理之GridSearch——算法评估和调参

于01-27 03:32 - 小圆规 -
「这是我参与2022首次更文挑战的第2天，活动详情查看： 2022首次更文挑战」. 每个系统发展到后期，都有这样的需求， 怎么给用户推荐他最感兴趣的内容. 为了解决这一问题而提出来的“推荐系统”应运而生. 协同过滤是基于“集体智慧”的思想，认为：人们倾向某种人群共性的部分. 例如，你想看一部电影，但不知道看哪部，大部分人都会问问周围的人，并倾向选择与自己爱好口味比较类似的人的推荐.

基于会话推荐系统最新长文综述，163篇参考文献，已被ACM Computing Surveys接收

于05-23 12:37 - 机器之心 -
本文给大家介绍一篇刚被 ACM 旗舰期刊 ACM Computing Surveys (CSUR) 接收的基于会话推荐系统 (Session-based Recommender Systems (SBRS)) 的综述长文. ACM Computing Surveys 是计算机学科最具影响力的期刊之一，其最新影响因子为 7.99，为中科院认定的一区 Top 期刊，CORE Rank A* 期刊，主要发表计算机科学领域较有代表性的综述论文.

vivo 应用商店推荐系统探索与实践

于03-22 02:18 - vivo互联网技术 -
介绍 vivo 应用商店推荐系统如何高效支撑个性化的推荐需求. 商店的应用数据主要来源于运营排期、CPD、游戏、算法等渠道，成立推荐项目之后也没有变化，发生变化的是由推荐系统负责和数据源进行对接，商店服务端只需要和应用推荐系统进行对接即可. 如果读者以为我们单纯是把商店服务端代码给照搬到推荐系统这边来了那就真的是too young too simple 了，不做优化或者升级直接copy一个系统是不可能的，这辈子都不可能.

得物技术聊聊推荐系统是如何做排序的

于03-12 17:59 - 得物技术 - 推荐 排序 推荐系统 系统
信息时代到来以后，我们被各种各样海量的信息所淹没，从新闻、广告、电商、直播、短视频等各种涉及这些场景的APP中，大量个性化的信息被推送到我们眼前. 例如在使用得物APP购物的过程中，我们也常常会听到这样的问题， 为什么会给我推这双鞋/这件衣服. 为什么浏览收藏过的商品反复出现在推荐流中. 推荐的排序逻辑是怎样的，都考虑了哪些因素.

推荐系统领域有啥巧妙的idea？ - 知乎

于01-15 08:09 - -
机器学习中较为简单的算法有哪些. 》，很多同学私信我询问我FM算法在推荐系统中的应用细节，索性今天就专门写一篇文章，仔细聊一聊FM这把“. 机器学习算法中的瑞士军刀，可不是随便起的. 以前Xgboost因为方便易用、功能广泛、性能优异，被誉为Kaggle比赛中的瑞士军刀. 因为同样的优点，我将FM称作“推荐算法中的瑞士军刀”，其中有两个含意：.

深度学习在推荐系统中的应用

于12-29 14:19 - -
2016年DeepMind开发的AlphaGo在围棋对决中战胜了韩国九段选手李世石，一时成为轰动全球的重大新闻，被全球多家媒体大肆报道. AlphaGo之所以取得这么大的成功，这其中最重要的技术之一是深度学习技术. 经过这几年的发展，深度学习技术已经在图像分类、语音识别、自然语言处理等领域取得突破性进展，甚至在某些方面(如图像分类等)超越了人类专家的水平.

多角度审视推荐系统

于11-16 00:00 - - dev
点击标题下「 搜索与推荐Wiki」可快速关注. 精彩推荐▼ 1、 Embedding技术在推荐系统中的应用 2、 基于DNN的推荐算法介绍 3 、 搜索和推荐系统中的深度匹配模型 4、CIKM2020最新推荐算法论文. 来源：《深度学习推荐系统》笔记，并进行补充和说明 推荐系统中的特征工程.

Java程序员博客系统推荐！我调研了100来个 Java 开源博客系统，发现这 5 个最好用！

于09-17 10:53 - JavaGuide -
最近想倒腾一下博客，看了很多现成的比较成熟的开源博客系统，自己也简单从下面几个维度总结对比了一下：. 欢迎小伙伴们评论区补充完善. 简介 ：✍ 一个优秀的开源博客发布应用. 技术 ：Spring Boot+JPA+Hutool. 评价 ：这款博客生态非常好（可选主题也非常多），使用的人也非常多. 另外，搭建步骤也非常简单，基本是傻瓜式的.

面试官:为什么在系统中不推荐双写?

于08-03 00:00 - - tuicool
面试官:"阿雄是吧，做做自我介绍!". 阿  雄:"我叫阿雄，来自某a国际电商公司. 面试官:"我看你项目里用了elasticsearch，你是怎么同步数据的呢?". 阿  雄:"在代码里写入数据库的时候，同时再写入elasticsearch. 面试官:"那你如何保证写入数据库，和写入elasticsearch原子性问题呢.

使用implicit搭建实时推荐系统

于10-11 19:05 - 标点符 - 数据 程序 Python 推荐算法
Implicit是一个开源的系统过滤项目，其包含多种流行的推荐算法，主要应用场景是针对隐性反馈行为进行推荐. ALS（alternating least squares），最小交替二乘法. BRP（Bayesian Personalized Ranking），贝叶斯个性化排序. 使用Cosine, TFIDF 或 BM25的近邻模型.

IJCAI 2019 丨利用半参表示算法缓解推荐系统中的冷启动问题

于08-31 19:08 - - 人工智能学术
由于常见电商、视频等推荐系统 (淘宝首猜、优酷推荐等) 用户量巨大, 而且用户个性化兴趣差异明显, Item-CF 较于 User-CF 有着天然的巨大优势，它因此被广泛运用于推荐系统中. 常见的 Item-CF 推荐系统中, 服务器收到用户访问请求, 经解析、查询得到用户 profile(包括用户长期画像、历史足迹等) 后，通过 Item2Item、tag 等方式进行候选召回，参与后续排序和后处理.

重读Youtube深度学习推荐系统论文，字字珠玑，惊为神文

于07-28 00:00 - - tuicool
这里是 王喆的机器学习笔记 ，每隔一到两周我会站在算法工程师的角度讲解一些计算广告、推荐系统相关的文章. 二是阿里、facebook、google等一线互联网公司出品的；. 这周我们一起讨论一下Youtube的深度推荐系统论文 《Deep Neural Networks for YouTube Recommendations》 ，这是2016年的论文，按照今天的标准来看，已经没有什幺新颖的地方，我也是两年前读过这篇文章之后就放下了，但前几天重读这篇文章，竟让发现了诸多亮点，几乎处处是套路，处处是经验，不由惊为神文.

[分享创造] 一个使用 Flask+gorse 实现的 Steam 游戏推荐系统

于06-04 22:01 - sinex -
之前小弟在 V2EX 推广过 一个 Go 语言实现的 RESTful 的推荐系统后端，最近以它为后端，使用 Flask 实现了一个 Steam 推荐系统，发在 V2EX 听取一下老哥们的意见. 关于工程量：因为 gorse 完成了大部分的逻辑，所以 Python 代码也就一百多行. 前端用的是 Materialize，后端用的是 Flask.

打造工业级推荐系统

于04-26 20:20 - aoyouzi -
为什么说推荐算法是好的职业选择. 深度学习技术的逐步成熟，推动了 AI 第三次浪潮的到来，纵观目前 AI 在互联网行业上的应用，有比较好的产品落地及商业化价值的应用主要有 7 个大方向：. 广告 (精准) 投放 (即计算广告). 在这 7 个大方向中，推荐，搜索，广告投放是互联网公司最普及也是最能产生现金流的三个方向.

2张图带你看懂今日头条推荐系统

于04-18 11:57 - 皮带 - 产品设计 2年 今日头条 初级 推荐系统
推荐系统是一个策略行为，本文将用两张图，来带你看懂今日头条的推荐系统. 2016年，腾讯以80亿美元估值投资今日头条，结果大家都知道，张一鸣拒绝了腾讯的投资，现在大家也知道，字节跳动估值750亿美元，这一切，推荐系统功不可没. 因为搜索引擎和推荐系统太相似，相对来说也更简单（勿喷），所以我们先来了解一下搜索引擎.

推荐系统中的点击率预估 – Advertising & Recommendation

于08-20 17:27 - -
推荐系统的框架模式大致是：多种召回策略（触发层），一种融合排序策略（排序层），也可认为两阶段排序模型[33]：. 召回策略方法繁多（例如常见的协同过滤中的item-based，user-based，以及MF矩阵分解），最终的融合排序层中，如果采用point-wise[24]排序方法，最常用的是点击率（CTR）预估[1]，作为排序依据.

关于推荐系统中的特征工程 转-Reprehensible side

于08-20 15:54 - -
在多数数据和机器学习的blog里，特征工程 Feature Engineering 都很少被提到. 做模型的或者搞Kaggle比赛的人认为这些搞feature工作繁琐又不重要不如多堆几个模型，想入手实际问题的小朋友又不知道怎么提取feature来建模型. 我就用个性化推荐系统做个例子，简单说说特征工程在实际的问题里是怎么做.

世面上除了使用mahout做推荐系统，还有别的吗？ - 知乎

于08-02 13:32 - -
需要看应用场景（基于内容的推荐引擎或协同过滤）、语言（Python、Java/Scala等）以及方案完整度（完整系统或库）. Python的话，推荐考察一下gensim：. Java的话，可以考虑easyrec：. 另外可以考虑类似solr或Elasticsearch的MoreLikeThis或直接基于lucene term vector方案（例如semanticvectors.

从先进走向普遍的广告和推荐系统方法之一: 在线学习 | AlgorithmDog

于04-15 18:27 - -
      广告和推荐系统作为机器学习领域的“摇钱树”，一直受到广泛的关注. 在这 5 年，或者说 10 年的维度上，广告和推荐系统发生了改头换面的变化. 传统的方法已经远去，一时先进的新兴的方法广泛走向千家万户. 今天介绍的在线学习，就已经从先进走向了千家万户.       广告和推荐系统的 CTR 预估模型有三种部署形态: 离线预测，在线预测和在线学习，其中在线学习是近几年迅速推广的架构.

从原理到策略算法再到架构产品看推荐系统 | 附Spark实践案例

于04-04 09:15 - -
本文源自于前阵子连续更新的推荐系统系列，前段时间给朋友整理一个关于推荐系统相关的知识教学体系，刚好自身业务中，预计明年初随着业务规模增长，估摸着又要启动推荐相关的项目了，所以也是趁机把相关的知识结构梳理了一遍. 这这里重新做整理，并额外做了一些增减，让整体逻辑会更通顺一点. 整个文章的结构逻辑，先从推荐系统的基础知识结构讲起，然后由浅入深过渡到几个推荐策略算法上，并且为每个推荐策略算法提供一些简单的入门Spark案例代码，再从策略过渡到系统层级，包括数据架构、策略组合、效果评估等，最终再从上层产品设计的角度去补充整个系统知识结构.

5-机器学习启蒙- 商品推荐系统1

于03-27 20:53 - shendao - 极客互联
有大量的商品和用户，想要推荐一部分商品给用户. 怎么通过机器学习结合你和别人的历史购物记录做出适合你的推荐. 亚马逊重点关注商品推荐，另一个推荐系统流行的例子是2006-2009. 年主办的比赛，100万美金奖励推荐电影系统. 我们在哪里能见到推荐系统. 来看一些推荐系统起到重要作用的领域. 个性化正在改变我们关于世界的经验.

[原]机器学习在热门微博推荐系统的应用

于01-25 14:41 - qq_40027052 -
近年来，机器学习在搜索、广告、推荐等领域取得了非常突出的成果，成为最引人注目的技术热点之一. 微博也在机器学习方面做了广泛的探索，其中在推荐领域，将机器学习技术应用于微博最主要的产品之一——热门微博，并取得了显著的效果提升. 热门微博是基于微博原生内容的个性化兴趣阅读产品. 提供最新最热优质内容阅读服务，更好地保障用户阅读效率和质量，同时达到激励微博上内容作者更好的创作和推广内容.

推03，最最最简单的推荐系统是什么样的 | 附Spark实践案例

于12-16 07:37 - -
接前面这篇《 推02，就算是非技术人员也都有必要了解的一些推荐系统常识》，之前的开篇01/02，其实都是以理论、场景化，概念进行铺垫的，让大伙儿大概知道推荐系统是怎么回事，从这篇开始，照顾一下技术的童鞋，我们开始回归到技术层面，并且 附上代码案例（见后面部分）. 当然，依然是入门级，高高高手可以绕路.

推荐系统之用户行为分析

于12-14 08:00 - - dev
基于用户行为的推荐，在学术界名为协同过滤算法. 协同过滤就是指用户可以齐心协力，通过不断地和网站互动，使 自己的推荐列表能够不断过滤掉自己不感兴趣的物品，从而越来越满足自己的需求. 用户行为在个性化推荐系统中一般分两种——显性反馈行为（explicit feedback）和隐性反馈 行为（implicit feedback）.

Oryx 推荐系统初体验 | Eric's Blog

于11-16 17:08 - -
Oryx 的前身叫 Myrrix，后来被 Cloudera 收购改了这个名字. 值得一提的是 Oryx 的维护者就是 Mahout 的主要贡献者——. Sean OwenOryx开源项目旨在提供实时的大规模机器学习/预测分析基础框架目前它实现了一列工程应用常用到的机器学习算法：协同过滤，分类/回归以及聚类.

想学习推荐系统，如何从小白成为高手? - 知乎

于11-16 09:35 - -
同在学习推荐算法，大概介绍一下我自己规划的推荐算法学习轨迹（还在慢慢实践中，好长时间了，捂脸...）. 首先，看完了推荐系统实战的话，应该大概了解了大部分的推荐算法. 那我觉得看完了书，应该有必要再从宏观上再来了解一下推荐系统这个研究领域的研究现状，包括研究领域目前有的挑战，比如冷启动问题，大规模矩阵分解问题，增量模型计算问题等等，包括目前热门的研究方向，比如基于LBS、社交网络等等的推荐.