“第三十五章 推荐算法”版本间的差异

来自cslt Wiki
跳转至: 导航搜索
 
(相同用户的3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]
* Ilya Katsov, Customer2Vec: Representation learning for customer analytics and personalization [https://blog.griddynamics.com/customer2vec-representation-learning-and-automl-for-customer-analytics-and-personalization/]
 
 
 
*【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31行: 第30行:
 
==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]
 
* A simple tutorial for recommendation system [https://www.datacamp.com/tutorial/recommender-systems-python]
  
第39行: 第38行:
  
 
* 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

  • Realtime collaborative filter [11]
  • 新闻网页中的推荐内容 [12]

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.