Публикации по теме 'recommender-systems'


Использование Word2vec для музыкальных рекомендаций
Как мы используем нейронные сети для преобразования миллиардов потоков в лучшие рекомендации. Стриминговые сервисы изменили способ восприятия контента. В то время как системы рекомендаций ранее были ориентированы на представление вам контента, который вы, возможно, захотите приобрести для последующего использования, современные потоковые платформы должны вместо этого сосредоточиться на рекомендации контента, которым вы можете и захотите наслаждаться в данный момент. Поскольку любой..
Руководство по рекомендательным системам для совместного тематического моделирования
Теория и реализация рекомендательной системы с возможностями внематричного прогнозирования. Рекомендательные системы - это широкий класс моделей машинного обучения, предназначенных для прогнозирования ненаблюдаемой оценки, которую пользователь u поставит элементу i . В этом руководстве мы обсудим совместное моделирование / регрессию тем (CTM / CTR) , представленное Wang and Blei (2011) [3], рекомендательную систему для текстовых элементов с повышенной точностью. и возможности..
Построение рекомендательной системы с использованием графических нейронных сетей
Этот пост посвящен исследовательскому проекту, проведенному совместно с Decathlon Canada по рекомендации использования графических нейронных сетей. Код Python доступен на GitHub , и эта тема также была освещена в 40-минутной презентации + вопросы и ответы доступны на Youtube . В последние годы популярность графических нейронных сетей (GNN) резко возросла. От многочисленных научных статей до конкретных реализаций множество исследователей продвинули понимание GNN. Одной из..
Ведущий специалист по дизайну и разработке системы рекомендаций по рекламе в Tencent: интервью с…
Введение: обмен знаниями и передовым опытом Тесное сотрудничество с более широким сообществом рекомендателей, в том числе с инновационными мировыми лидерами, такими как Tencent , позволяет NVIDIA использовать передовой опыт, идеи и знания в нашей среде рекомендаций . В NVIDIA мы стремимся оптимизировать создание, развертывание и оптимизацию рекомендательных систем. Наши команды инженеров участвуют в отраслевых вызовах , организуют общественные мероприятия и тесно сотрудничают с..
Создание (и оценка) рекомендательной системы для неявной обратной связи
Рекомендательные системы есть везде. Они присутствуют, когда выбирают, какой фильм смотреть на Netflix, какую книгу купить на Amazon, находить друзей на Facebook ... По мере того, как доступно все больше и больше контента, возникает необходимость в том, чтобы для нас была выбрана только часть целого, а еще лучше - персонализированная . Явная обратная связь x Неявная обратная связь Легко понять их приложения и почему рекомендательные системы так популярны. Хотя существует..
Всеобъемлющее руководство по системам рекомендаций на основе элементов
Подробное руководство о том, как работают рекомендательные системы на основе элементов и как их реализовать в реальной рабочей среде. Системы рекомендаций существуют вокруг нас уже довольно давно. Youtube, Facebook, Amazon и многие другие дают своим пользователям какие-то рекомендации. Это не только помогает им показывать релевантные продукты пользователям, но и позволяет им выделяться на фоне конкурентов. Одним из таких методов рекомендации элементов пользователям является..
Улучшение совместной фильтрации с помощью кластеризации
Одной из основных проблем при применении методов коллаборативной фильтрации является временная сложность формирования одноранговых групп. Обычно вы вычисляете попарное сходство для каждого пользователя в системе, основанной на пользователях, и используете k ближайших соседей, чтобы найти k самых похожих пользователей. Если у нас есть m элементов, этот процесс будет O (m ^ 2) соответственно. Это не годится, когда m порядка десятков миллионов; это было бы слишком дорого. Альтернативный..