“第三十五章 推荐算法”版本间的差异
来自cslt Wiki
| （相同用户的5个中间修订版本未显示） | |||
| 第9行： | 第9行： | ||
==扩展阅读== | ==扩展阅读== | ||
| + | * AI100问：人工智能如何杀熟？[AI-100-60-人工智能如何杀熟.pdf] | ||
* 知乎：什么是推荐系统 [https://zhuanlan.zhihu.com/p/93731598] | * 知乎：什么是推荐系统 [https://zhuanlan.zhihu.com/p/93731598] | ||
* 零基础科普：4种简单推荐算法背后的原理 [https://www.51cto.com/article/664660.html] | * 零基础科普：4种简单推荐算法背后的原理 [https://www.51cto.com/article/664660.html] | ||
* 维基百科：协同过滤[http://aigraph.cslt.org/courses/35/Collaborative_filtering.pdf][http://aigraph.cslt.org/courses/35/協同過濾.pdf] | * 维基百科：协同过滤[http://aigraph.cslt.org/courses/35/Collaborative_filtering.pdf][http://aigraph.cslt.org/courses/35/協同過濾.pdf] | ||
| − | |||
| − | |||
*【智库研究】沈艳：“大数据杀熟” 可有解药？[http://www.china.com.cn/opinion/think/2021-11/03/content_77848372.htm] | *【智库研究】沈艳：“大数据杀熟” 可有解药？[http://www.china.com.cn/opinion/think/2021-11/03/content_77848372.htm] | ||
* 知乎：大数据杀熟是什么？ [https://zhuanlan.zhihu.com/p/128561235] | * 知乎：大数据杀熟是什么？ [https://zhuanlan.zhihu.com/p/128561235] | ||
| 第26行： | 第25行： | ||
==演示链接== | ==演示链接== | ||
| + | * Realtime collaborative filter [https://www.timelydevelopment.com/demos/RealtimeCollaborativeFiltering.html] | ||
| + | * 新闻网页中的推荐内容 [https://www.163.com/dy/article/HF5BPTTU053469LG.html?clickfrom=w_yw] | ||
==开发者资源== | ==开发者资源== | ||
| − | * Recommenders [https://github.com/microsoft/recommenders] | + | * Recommenders [*][https://github.com/microsoft/recommenders] |
| − | * Simple example of recommendation (python notebook) [https://github.com/shivam1808/Recommendation-System] | + | * Simple example of recommendation (python notebook) [*][https://github.com/shivam1808/Recommendation-System] |
| + | * A simple tutorial for recommendation system [https://www.datacamp.com/tutorial/recommender-systems-python] | ||
| + | |||
==高级读者== | ==高级读者== | ||
* 推荐系统 [https://item.jd.com/12405776.html] | * 推荐系统 [https://item.jd.com/12405776.html] | ||
| + | * Barkan O, Koenigstein N. Item2vec: neural item embedding for collaborative filtering[C]//2016 IEEE 26th International Workshop on Machine Learning for Signal Processing (MLSP). IEEE, 2016: 1-6. | ||
2023年8月13日 (日) 02:26的最后版本
教学资料
扩展阅读
- AI100问：人工智能如何杀熟？[AI-100-60-人工智能如何杀熟.pdf]
- 知乎：什么是推荐系统 [2]
- 零基础科普：4种简单推荐算法背后的原理 [3]
- 维基百科：协同过滤[4][5]
- 【智库研究】沈艳：“大数据杀熟” 可有解药？[6]
- 知乎：大数据杀熟是什么？ [7]
- 人民网：大数据杀熟，毁的是互联网经济的未来 [8]
- 人民网：算法推荐出现乱象 我们需要什么样的“算法”？[9]
视频展示
- 贪心学院：基于协同过滤的推荐系统 [10]
演示链接
开发者资源
- Recommenders [*][13]
- Simple example of recommendation (python notebook) [*][14]
- A simple tutorial for recommendation system [15]
高级读者
- 推荐系统 [16]
- Barkan O, Koenigstein N. Item2vec: neural item embedding for collaborative filtering[C]//2016 IEEE 26th International Workshop on Machine Learning for Signal Processing (MLSP). IEEE, 2016: 1-6.
