欢迎大家赞助一杯啤酒🍺 我们准备了下酒菜:Formal mathematics/Isabelle/ML, Formal verification/Coq/ACL2/Agda, C++/Lisp/Haskell
Recommender system
来自开放百科 - 灰狐
(版本间的差异)
小 (→链接) |
小 (→链接) |
||
(未显示1个用户的5个中间版本) | |||
第8行: | 第8行: | ||
推荐引擎利用基于内容、基于用户行为、基于社交关系网络等多种方法,为用户推荐其喜欢的商品或内容。 | 推荐引擎利用基于内容、基于用户行为、基于社交关系网络等多种方法,为用户推荐其喜欢的商品或内容。 | ||
+ | |||
+ | ==项目== | ||
+ | *[[PredictionIO]] | ||
+ | *[[deeplearning4j]], [http://deeplearning4j.org/welldressed-recommendation-engine Build a Recommendation Engine With DL4J] | ||
+ | *[[Oryx]] | ||
==文档== | ==文档== | ||
第25行: | 第30行: | ||
<gallery> | <gallery> | ||
image:recommendation-engine-personalization.png|个性化推荐引擎 | image:recommendation-engine-personalization.png|个性化推荐引擎 | ||
+ | image:aliyun-recommendation-engine.png|阿里云推荐引擎 | ||
</gallery> | </gallery> | ||
==链接== | ==链接== | ||
+ | *[https://github.com/grahamjenson/list_of_recommender_systems List of Recommender Systems] | ||
*[http://ibillxia.github.io/blog/2014/03/10/top-10-open-source-recommendation-systems/ TOP 10开源的推荐系统简介] | *[http://ibillxia.github.io/blog/2014/03/10/top-10-open-source-recommendation-systems/ TOP 10开源的推荐系统简介] | ||
*[http://www.resyschina.com/ Resys China] | *[http://www.resyschina.com/ Resys China] | ||
第37行: | 第44行: | ||
*[http://www.csdn.net/article/2015-10-16/2825925 小团队撬动大数据——当当推荐团队的机器学习实践] | *[http://www.csdn.net/article/2015-10-16/2825925 小团队撬动大数据——当当推荐团队的机器学习实践] | ||
*[http://www.infoq.com/cn/articles/recommendation-and-searchengine 推荐系统和搜索引擎的关系] | *[http://www.infoq.com/cn/articles/recommendation-and-searchengine 推荐系统和搜索引擎的关系] | ||
+ | *[http://www.ibm.com/developerworks/cn/java/j-lo-mahout/index.html 基于 Apache Mahout 构建社会化推荐引擎] | ||
[[category:machine learning]] | [[category:machine learning]] | ||
[[category:big data]] | [[category:big data]] | ||
[[category:hadoop]] | [[category:hadoop]] |
2016年5月19日 (四) 14:08的最后版本
![]() |
您可以在Wikipedia上了解到此条目的英文信息 Recommender system Thanks, Wikipedia. |
Recommender system,Recommendation engine,推荐系统,推荐引擎。
亚马逊的CEO Jeff Bezos曾经说过,他的梦想是“如果我有100万个用户,我就要为他们做100万个亚马逊网站”。智能推荐系统承载的就是这个梦想,即通过数据挖掘技术,为每一个用户实现个性化的推荐结果,让每个用户更便捷的获取信息。
推荐引擎不是被动查找,而是主动推送;不是独立媒体,而是媒体网络;不是检索机制,而是主动学习。
推荐引擎利用基于内容、基于用户行为、基于社交关系网络等多种方法,为用户推荐其喜欢的商品或内容。
目录[隐藏] |
[编辑] 项目
[编辑] 文档
- 百度推荐引擎实践系列(一):策略篇
- 百度推荐系统 de 工程挑战
- 百度推荐系统实践
- 推荐系统实时化的实践和思考
- 天猫推荐算法实践
- 一淘推荐引擎
- HULU推荐系统构建经验谈
- 人人网社会化推荐
- Writing Recommender Systems with Java: An Introduction
- Introduction to a Recommender System for Apache OFBiz
- 移动环境下的内容推荐初探
[编辑] 图集
[编辑] 链接
分享您的观点