推荐系统/广告系统索引目录

本文介绍了推荐系统中常见的算法类型,包括基于规则、基于近邻、基于内容、基于标签及基于模型的推荐算法,并提到了考虑时间因素和地理位置的推荐方式。此外,还涉及了社交网络中的好友推荐算法以及深度学习在推荐系统中的应用。

摘要生成于 C知道 ,由 DeepSeek-R1 满血版支持, 前往体验 >

常见的推荐算法:

  基于规则的推荐:排行榜,最新最热

 

  基于近邻的算法:推荐算法—协同过滤


       基于内容的算法:基于内容的推荐(Content-based Recommendations) -- 现在也是在做这部分工作,主要还是使用传统的计算相似度的方法


  基于标签的算法:《推荐系统实践》中第四章:利用用户数据标签

 

  考虑时间因素和地理因素

 

  基于模型(矩阵分解)的算法:als  
  

       社交网络的好友推荐:数据挖掘系列篇(20):社交网络SNS的好友推荐算法

  

  深度学习中对ui对做词嵌入

 

推荐系统的评测:推荐系统常用测评方法和指标


冷启动与(新)用户引导:推荐系统 新用户引导

常见推荐算法的对比:《推荐系统实践》

 

计算广告概述:ctr特征工程

  
计算广告相关的算法:待总结

 

转载于:https://www.cnblogs.com/arachis/p/Ressys_menu.html

评论
添加红包

请填写红包祝福语或标题

红包个数最小为10个

红包金额最低5元

当前余额3.43前往充值 >
需支付:10.00
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
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