Ng第十六课：推荐系统(Recommender Systems)

最新推荐文章于 2025-09-06 09:26:50 发布
最新推荐文章于 2025-09-06 09:26:50 发布
阅读量105 收藏
点赞数
CC 4.0 BY-SA版权
文章标签： 人工智能
原文链接：http://www.cnblogs.com/Real-Ying/p/6850667.html

16.1  问题形式化

16.2  基于内容的推荐系统

16.3  协同过滤

16.4  协同过滤算法

16.5  矢量化：低秩矩阵分解

16.6  推行工作上的细节：均值归一化

 

 

 16.1  问题形式化

16.2  基于内容的推荐系统

16.3  协同过滤

16.4  协同过滤算法

16.5  矢量化：低秩矩阵分解

16.6  推行工作上的细节：均值归一化

 

转载于:https://www.cnblogs.com/Real-Ying/p/6850667.html

Rki-dor
关注
Python深度学习实践：构建和优化推荐系统模型
AI天才研究院
05-22 816
1. 背景介绍 1.1 推荐系统的意义 在信息爆炸的时代，人们面对海量的数据，往往难以找到真正需要的信息。推荐系统应运而生，它通过分析用户的历史行为和偏好，为用户提供个性化的推荐，帮助用户快速找到感兴趣的内容，提高用户体验和满意度。推荐系统已经成为电商、社交媒体、新闻门户等众多互联网平台不可或缺的一部
【一切皆是映射】AI 大模型 LLM + 推荐系统 RS：个性化的艺术——基于LLM的推荐系统用户行为预测
AI天才研究院
07-15 1740
在当今数字化时代，推荐系统已成为互联网服务的核心组成部分，广泛应用于电子商务、社交媒体、新闻资讯等领域。传统的推荐系统主要依赖于协同过滤、内容过滤等技术，虽然取得了一定的成效，但在处理复杂、动态的用户行为和多样化的内容时仍面临诸多挑战。随着人工智能技术的快速发展，特别是大语言模型（Large Language Models，LLMs）的出现，为推荐系统的革新带来了新的机遇。大语言模型凭借其强大的自然语言理解和生成能力，为用户行为预测提供了全新的视角和方法。
斯坦福NG机器学习听课笔记-推荐系统（recommender system）
huruzun的专栏
12-29 6534
斯坦福NG机器学习听课笔记-推荐系统（recommender system），NG从电影评级简单例子开始讲，把推荐系统中概念与核心算法（协同过滤）都有清晰的描述。
【AndrewNg机器学习】推荐系统(Recommender Systems)
－　
06-05 390
文章目录1 什么是推荐系统2 基于内容的推荐系统 1 什么是推荐系统 推荐系统可以依靠你过去浏览的信息或者评价的电影来推荐新的信息。因此这会给互联网内容企业带来很大一部分收入，对企业有实质性的影响。 另外，对于机器学习算法来说，数据特征有很大的影响，不同的特征会影响算法的准确性和性能。对于特征的获取，我们可以手动设计数据特征，也可以设计一个算法来学习使用的特征。推荐系统就是后者的一个例子。 假如我...
机器学习：推荐系统（Andrew Ng Coursera课程）
newner的专栏
03-20 3063
Andrew Ng Coursera Recommend System
基于社交网络的推荐系统
07-12
分析社交网络数据，改进协同过滤算法，一个新的推荐技术
推荐系统论文笔记（7）：A survey of collaborative filtering based social recommender systems
qq_35771020的博客
12-29 955
一、基本信息 论文题目：《A survey of collaborative filtering based social recommender systems》 发表时间：2014,Computer Communications 论文作者及单位：Yang, X.(Polytechnic Institute of NYU) , Guo, Y.(Bell Labs) , Liu, Y.( P...
前沿技术领域微调模型：优化电商推荐系统
AI天才研究院
05-28 324
电商推荐系统在当今电子商务领域起着至关重要的作用，它能够根据用户的行为、偏好等信息为用户精准推荐商品，提高用户的购物体验和电商平台的销售额。然而，传统的推荐系统在面对日益复杂的用户需求和海量数据时，逐渐暴露出一些局限性，如推荐的准确性和个性化程度不足等问题。本文章的目的在于探讨如何利用前沿技术领域的微调模型来优化电商推荐系统，提高推荐的质量和效果。文章的范围涵盖了微调模型的核心概念、算法原理、数学模型，以及如何将其应用于电商推荐系统的项目实战。
AIGC领域：内容个性化的价值与挑战
AI天才研究院
05-05 487
随着生成式人工智能（AIGC）技术的爆发式发展，内容生产范式正从「人类创造」转向「人机协同」乃至「机器自主生成」。内容个性化作为连接用户需求与AIGC输出的核心桥梁，通过算法实现「千人千面」的内容供给，已成为提升用户体验、驱动商业增长的关键技术领域。本文聚焦AIGC场景下内容个性化的技术架构、核心算法、应用实践及行业挑战，覆盖从基础理论到工程实现的完整链条，兼顾学术深度与产业落地价值。背景篇：定义核心概念，明确研究范畴价值篇：解析内容个性化的三重核心价值技术篇：揭示算法原理、数学模型与实现细节。
实践篇 | 推荐系统之矩阵分解模型
腾讯技术工程
06-07 2854
导语：本系列文章一共有三篇，分别是《科普篇 |推荐系统之矩阵分解模型》《原理篇 |推荐系统之矩阵分解模型》《实践篇 |推荐系统之矩阵分解模型》第一篇用一个具体的例子...
推荐系统论文笔记（11）：Social networking meets recommender systems:survey
qq_35771020的博客
01-22 772
一、基本信息 论文题目：《Social networking meets recommender systems:survey》 发表时间：International Journal of Social Network Mining, 2015, 2 (1), pp. 64 - 100 论文作者及单位：Guandong Xu（University of Technology）;   Zhia...
入门推荐系统，这25篇综述文章足够了
张小磊的博客
05-19 7605
推荐系统，对于我们来说并不陌生，可以说无处不在。抖音的视频推荐让我们欲罢不能，淘宝的猜你喜欢令大家流连忘返，网易云的每日歌单使我们沉浸其中。可见，推荐技术已经成为了业界的流量担当、变现神...
推荐系统（Recommender Systems）
MapleStory的博客
11-25 4147
基于内容的推荐Content-based recommendation 问题表述 问题范式 协同过滤collaborative filtering 问题引入 最优化算法 协同过滤的最优化目标 协同过滤算法 低阶矩阵因式分解Low Rank Matrix Factorization 均值标准化Mean Normalization基于内容的推荐（Content-based recommendation）
智能推荐系统
小福子的专栏
03-17 1541
亚马逊的CEO Jeff Bezos曾经说过，他的梦想是“如果我有100万个用户，我就要为他们做100万个亚马逊网站”。智能推荐系统承载的就是这个梦想，即通过数据挖掘技术，为每一个用户实现个性化的推荐结果，让每个用户更便捷的获取信息。为了实现这个梦想，过去十余年间，无数顶尖技术专家和工程师投身于推荐算法和技术的研究与应用中，很多优秀的方法被提出，很多技术难题被攻克。在今天的互联网应用中，越来越多“
推荐系统——Micro behaviors: A new perspective in e-commerce recommender systems
manduner的博客
07-17 1427
论文描述： 电子商务网站的爆炸式流行已经改变了用户的购物习惯，越来越多的用户喜欢花更多的时间在网上购物。这使得电子商务网站能够观察到关于用户的丰富数据，包括用户与商品的宏观交互数据，如：用户-商品评分矩阵，和微观的行为数据，如：浏览商品的时间、对商品的阅读和评论等。大多数传统推荐系统集中于用户和商品之间的每个宏观交互中，利用微观行为数据进行推荐的系统相当有限。本文中，我们从微观行为的角度改进推荐...
STM32传感器模块编程实践(十六)DIY人脸识别智能垃圾桶模型
光子物联
09-05 1140
本文介绍了一种基于STM32单片机的人脸识别智能垃圾桶模型。该系统由STM32F103C8T6主控芯片、ASR-PRO语音交互模块、SG90舵机和人脸识别模块组成。语音模块用于验证口令，只有口令正确才能录入人脸；识别成功后舵机带动垃圾桶盖打开。控制流程包括人脸识别、语音交互和舵机驱动，通过串口指令实现人脸录入与识别。系统采用STM32CubeMX配置GPIO、PWM和串口参数，Keil5编写控制程序，最终实现人脸识别控制垃圾桶
AI驱动的软件测试：革命性的自动化、缺陷检测与实验优化
最新发布
zzywxc787的博客
09-06 590
人工智能（AI）和机器学习（ML）技术的融入，正在从根本上重塑软件测试的格局，将其从一种主要是手动的、重复性的任务转变为一种智能的、预测性的、且持续优化的过程。*说明：多臂老虎机算法（MAB）由于将更多流量分配给了更好的版本B，其累积回报（点击次数）的增长速度远快于传统A/B测试（固定50/50分流）。： 利用NLP技术（如文本分类）自动分析新提交的Bug报告的内容、标题和描述，将其自动分类（如“前端UI问题”、“后端API错误”），并推荐或分配给最合适的开发人员（基于谁修改了相关代码文件）。
怎么快速构建一个deep search模型呢
qq_57565004的博客
09-05 698
本文提出了一种快速构建具备深度信息检索能力的智能体系统（DeepSearch）的方法。该方法采用分阶段开发策略：首先基于RAG架构搭建基础检索链路，再通过LangChain框架整合大语言模型和搜索引擎API，赋予系统自主规划与迭代搜索能力，最终实现多源信息整合和结构化报告生成。技术选型上强调利用开源工具（如LangChain、ChromaDB）和预训练模型，通过"思考-检索-整合-迭代"的智能体工作流，高效构建可验证原型的核心功能。
机器学习基础-day03-机器学习中的线性回归
XZSSWJS的博客
09-04 1134
初学小小白，个人笔记使用，仅供参考
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