推荐系统发展阶段

最新推荐文章于 2024-01-07 02:04:25 发布
最新推荐文章于 2024-01-07 02:04:25 发布
阅读量443 收藏
点赞数
文章标签： 深度学习 推荐系统
版权声明：本文为博主原创文章，遵循 CC 4.0 BY-SA 版权协议，转载请附上原文出处链接和本声明。
本文链接：https://blog.youkuaiyun.com/qq_42530436/article/details/115910250
版权

推荐系统发展阶段
（我现在这样理解以后再补充）

第一阶段 1992-2012年，传统特征学习阶段，从协同过滤到特征交叉学习
第二阶段 2012-至今，深度学习架构阶段，将主流深度学习与推荐模型结合

加油胖虎
关注
从“数据飞轮”到质量度量：美团推荐系统的精细化质量管理实践
张彦峰的博客
11-11 8万+
美团到店综合业务的推荐系统是其关键技术组件，旨在通过智能化方式高效匹配用户需求与多元化本地服务，能够涵盖到综业务中的各个行业，包括但不限于洗浴、KTV、美业、医美、亲子、结婚、运动健身、玩乐、教育培训、家居、宠物、酒吧、生活服务等。这要求推荐系统具有良好的扩展性和适应性，能够处理多样化的业务类型和用户需求。在美团到店综合业务中，推荐系统扮演着关键的角色，是实现供给和需求高效匹配的重要环节。其作用类似于一座智能的桥梁，连接用户的需求与各类本地服务，确保用户能够迅速而准确地找到符合其期望的服务。
推荐系统模型发展简史
张小磊的博客
09-12 2132
嘿，记得给“机器学习与推荐算法”添加星标互联网出现不久，推荐系统就诞生了，相关技术在学术界和工业界得到了广泛的研究和应用。目前，推荐系统已经成为最成功的网络应用之一，通过推荐不同种类的内容来为数十亿人服务，包括新闻资讯、视频、电子商务产品、音乐、电影、书籍、游戏、朋友、工作等。这些成功的案例证明，推荐系统可以将大数据转移成高价值。本文从两个方面简要回顾了推荐系统的发展历程：（1）推荐模型，（2）典...
推荐系统的发展历程
u011311291的博客
01-14 3584
1.协同过滤算法(Collaborative Filtering,CF) 对于协同过滤的研究可以追溯到1992年，Xerox的研究中心开发了一种基于协同过滤的邮件筛选系统，用以过滤一些用户不感兴趣的无用邮件。协同过滤在互联网大放异彩源于互联网电商巨头Amazon,2003年，Amazon发表论文Amazon.com Recimmenders Item-to-Item Collaborative Filtering. 简单描述，目前有一些用户对商品的评价信息，那么如何给用户推荐产品，例如用户D，是否会喜欢商品
智能推荐系统的优化策略：从性能到用户体验
AI天才研究院
12-27 939
1.背景介绍 智能推荐系统是现代互联网公司的核心业务之一，它通过分析用户行为、内容特征等多种信息，为用户推荐个性化的内容或产品。随着数据量的增加，推荐系统的复杂性也不断提高，需要不断优化和改进。在这篇文章中，我们将从性能和用户体验两个方面探讨智能推荐系统的优化策略。 1.1 推荐系统的发展历程 推荐系统的发展可以分为以下几个阶段： 基于内容的推荐系统：这类推荐系统主要通过内容的元数据(如...
企业级推荐系统为什么拆解为召回、排序两个阶段？
大数据与人工智能
10-25 504
作者 |gongyouliu编辑 | auroral-L大家好，我是强哥。一个热爱暴走、读书、写作的人！推荐算法从业者肯定知道，在企业级推荐系统中，一般将推荐算法业务流程拆分为召回和排序...
推荐系统发展概述
lijunweiyhn的博客
10-30 2万+
 转载自其他资料，供数据挖掘推荐系统学习者了解。 推荐系统的兴起与互联网的发展息息相关。最早的自动化协同过滤系统可以追溯到 1994 年，明尼苏达大学双城分校计算机系的 GroupLens 研究组设计了名为 GroupLens 的新闻推荐系统。该工作 不仅首次提出了协同过滤的思想，并且为推荐问题建立了一个形式化的模型，为随后几十年推荐 系统的发展带来了巨大影响。该研究组后来创建了 MovieLe...
推荐系统简述
zhang371312的博客
01-27 1211
大家在平常的生活中，肯定经历过刷手机刷到停不下来的时候，最常见的就是在刷淘宝、抖音、小红书的时候。那么你有没有考虑过是什么原因导致你拿起手机就放不下呢？这个part主要就是为了探讨这些策略背后的秘密，让你了解到到底有多少人为了你在他们的app上花掉更多的时间而努力着。 什么是推荐系统？ 现在常提到的推荐系统其实是一种基于个性化的信息过滤系统。 那么这里就会出现两个问题： 1. 什么是 个性化？ 2. 为什么要进行 信息过滤？ 我们先解释为什么要进行信息过滤。 这里一个难以避免的概念是信息过载(inform
系统分析与设计的三个发展阶段
41981DC的博客
09-09 4025
系统分析与设计的三个发展阶段 1. 面像数据驱动分析与设计 系统分析与设计的第一阶段是面向数据驱动分析与设计，这一阶段的特征就是围绕数据库编程，应用系统是典型的两层架构，分为展示层和数据库层。 这种面向数据驱动分析与设计的方法导致了过程化的编程思维。数据库结构由DBA设计后交由程序员编写 SQL 语句，而 SQL 语句执行是有先后顺序的，所以面像数据驱动分析与设计，容易形成面像过程的思维方式。 面像过程（procedure Oriented）是一种思维方式，在面对问题时，我们关注的是解决该问题的过
一文了解 操作系统发展史
bjxiaxueliang的CODING茶馆
08-19 9191
最近在写一个Android、IOS、Fuchsia、HarmonyOS对比的报告，需要了解一下各操作系统的起源联系以及内核的对比，因此有了这个文章总结（算是学习笔记吧）。 一、各历史阶段的操作系统 我们都知道，操作系统自20世纪50年代诞生。操作系统诞生后经历了从专用操作系统（每个主机与应用场景均需要一个新的操作系统）到通用操作系统（一个操作系统覆盖很多设备与应用场景，如Windows、Linux等）的转变。 PC时代 由于Windows操作系统的广泛应用部署，微软于20世纪90年代成为全球市值最高的公司
图神经网络GNN在推荐系统的应用：综述
weiyaner的博客
04-02 4990
参考： 论文1： 《Graph Neural Networks in Recommender Systems: A Survey》 https://arxiv.org/pdf/2011.02260.pdf 论文2： 《Graph Neural Networks for Recommender Systems: Challenges, Methods, and Directions》 https://arxiv.org/pdf/2109.12843.pdf 1 介绍 1.1 推荐系统发展的三个阶段 回顾一
推荐系统：个性化推荐的算法与实践
最新发布
AI天才研究院
01-07 870
1.背景介绍 推荐系统是人工智能和大数据领域的一个重要分支，它的核心目标是根据用户的历史行为、兴趣和需求，为其提供个性化的推荐。随着互联网的发展，推荐系统已经成为了各种在线平台(如电商、社交网络、视频平台等)的必备功能，为用户提供了更好的体验和服务。 在本篇文章中，我们将从以下几个方面进行阐述： 背景介绍 核心概念与联系 核心算法原理和具体操作步骤以及数学模型公式详细讲解 具体代码实例和详...
张相於：当当推荐数据系统架构实践
weixin_33881041的博客
09-01 192
文章讲的是张相於：当当推荐数据系统架构实践，本文根据【2016 第七届中国数据库技术大会】（微信搜索DTCC2014，关注关注中国数据库技术大会公众号）现场演讲嘉宾张相於老师分享内容整理而成。录音整理及文字编辑IT168@ZYY@老鱼 　　讲师简介 ▲张相於 　　现任58集团转转算法架构师，前当当网推荐&NLP开发经理。本科、硕士毕业于中国人民大...
推荐系统的几种常用算法总结
热门推荐
Vensmallzeng的博客
09-25 3万+
尊敬的读者您好：笔者很高兴自己的文章能被阅读，但原创与编辑均不易，所以转载请必须注明本文出处并附上本文地址超链接以及博主博客地址：https://blog.youkuaiyun.com/vensmallzeng。若觉得本文对您有益处还请帮忙点个赞鼓励一下，笔者在此感谢每一位读者，如需联系笔者，请记下邮箱：zengzenghe@gmail.com，谢谢合作！ 之前也做过一些关于推荐系统的项目...
推荐系统的发展演进历史和模型的目标及优缺点
12-24 1万+
推荐系统发展历程 提示：这里可以添加系列文章的所有文章的目录，目录需要自己手动添加 例如：第一章 Python 机器学习入门之pandas的使用 提示：写完文章后，目录可以自动生成，如何生成可参考右边的帮助文档 文章目录推荐系统发展历程前言一、pandas是什么？二、使用步骤1.引入库2.读入数据总结 前言 提示：这里可以添加本文要记录的大概内容： 例如：随着人工智能的不断发展，机器学习这门技术也越来越重要，很多人都开启了学习机器学习，本文就介绍了机器学习的基础内容。 提示：以下是本篇文章正文内容，
推荐系统的几个阶段
数据挖掘爱好者
02-06 1753
推荐系统在大量的网站中都用所应用最开始是关联规则挖掘。基于频繁集的挖掘。范围是所有用户和商品直接挖掘。然后是协同过滤的挖掘。基于用户的推荐。范围是用户相似的用户和他们感兴趣的信息。内容推荐。是信息内容的抽象特征和用户的特征向匹配对应。基于协同tag推荐。就是 用户的兴趣点 和 商品特征和匹配对应。以下推荐几篇推荐系统方面的论文：amazon.com recommendation
推荐系统常用算法_推荐系统中排序算法的发展历程总结
weixin_39946460的博客
12-05 1388
在讲解排序算法发展历程之前，我们先介绍下推荐系统中的数据的特点，排序算法就是针对这种数据特点设计了不同的解决方案，才有了推荐算法的发展。首先我们先重点介绍下推荐系统中数据的几个鲜明特点：1、数据主要以离散数据为主，连续数据为辅，其中推荐系统中产生的核心数据绝大部分都是离散数据，所以推荐系统中排序算法就是要怎么解决大规模离散特征的学习；2、样本收集有限，物品在场景中的出现次数是有限的，而且物品的生命...
推荐系统面临的挑战及发展趋势
但行好事，莫问前程
05-03 1万+
1 推荐算法的鲁棒性 由于推荐系统能够影响用户的购买行为，带来经济效益，因此越来越多的恶意用户设法通过影响推荐系统的行为来控制推荐系统以实现提高物品销量，损坏竞争对手利益，甚至破坏系统使其无法产生有效推荐[1]。通常所说的对推荐系统的攻击指的是针对协同过滤方法的攻击，因为其他比方法是基于客观事物的信息，用户通常无法操纵这些信息的修改。文献[2]分析了4大类8种不同的攻击策略。文献[56]从不同的
推荐系统基础（5）：推荐系统技术演进趋势
rosefun96的博客
09-08 9702
1. 简介 最近两年，由于深度学习等一些新技术的引入，推荐系统表现出了一些比较明显的技术发展趋势。 召回，主要根据用户部分特征，从海量的物品库里，快速找回一小部分用户潜在感兴趣的物品，然后交给排序环节，排序环节可以融入较多特征，使用复杂模型，来精准地做个性化推荐。召回强调快，排序强调准。 四个环节是：召回，粗排序，精排序，重排。 由于每个用户召回环节返回的物品数量还是太多，怕排序环节速度跟不上，在召回和精排之间加入一个粗排环节。通过少量的用户和物品特征，简单模型，对召回的结果进行粗略的排序，粗排往往是可
【推荐系统】推荐系统概述
fengdu78的博客
07-01 1326
编译：伯乐在线-Marticles，英文：Toby Daiglehttp://blog.jobbole.com/114167/“聆忠言者众，惟智者受益。” — 哈珀·李许多人把推荐系统...
国内推荐系统技术的发展历程
05-23
国内推荐系统技术的发展历程可以大致分为以下几个阶段： 1. 初期阶段（2000年-2010年）：这个阶段主要是国外的推荐系统技术开始逐渐引入中国，国内的推荐系统技术主要以基于内容的推荐为主，如基于文本、音乐、图像等内容的推荐系统。 2. 基于协同过滤的推荐系统阶段（2010年-2014年）：随着互联网的普及和数据的爆发式增长，基于协同过滤的推荐系统技术开始在国内兴起。这个阶段主要的突破是利用大数据和分布式计算技术来优化协同过滤算法，如基于Hadoop的MapReduce算法。 3. 混合推荐系统阶段（2014年-2017年）：随着业务场景的复杂化和用户需求的多样化，单一的推荐算法已经不能满足需求，混合推荐系统成为了主流。这个阶段主要的突破是利用机器学习和深度学习算法来训练模型，如基于神经网络的深度学习算法。 4. 大规模分布式推荐系统阶段（2017年至今）：随着云计算和大数据技术的日益成熟，大规模分布式推荐系统开始崭露头角。这个阶段主要的突破是将推荐系统部署到云端，实现大规模分布式计算，如基于Spark的分布式推荐算法。 总的来说，国内推荐系统技术的发展历程经历了从基于内容的推荐系统到基于协同过滤的推荐系统，再到混合推荐系统和大规模分布式推荐系统的发展阶段，技术不断升级和创新，为用户提供更加个性化的推荐服务。
评论
添加红包

请填写红包祝福语或标题

个

红包个数最小为10个

元

红包金额最低5元

当前余额3.43元 前往充值 >
需支付：10.00元
成就一亿技术人!
领取后你会自动成为博主和红包主的粉丝 规则
hope_wisdom
发出的红包
实付元
使用余额支付
点击重新获取
扫码支付
钱包余额 0

抵扣说明：

1.余额是钱包充值的虚拟货币，按照1:1的比例进行支付金额的抵扣。
2.余额无法直接购买下载，可以购买VIP、付费专栏及课程。

余额充值