“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
第38行: 第38行:
  
 
* 推荐系统 [https://item.jd.com/12405776.html]
 
* 推荐系统 [https://item.jd.com/12405776.html]
* Dai H, Wang Y, Trivedi R, et al. Deep coevolutionary network: Embedding user and item features for recommendation[J]. arXiv preprint arXiv:1609.03675, 2016.[https://arxiv.org/pdf/1609.03675.pdf]
+
* 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.

2022年8月27日 (六) 08:56的版本

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.