Yazar Xing Wu Dao
Düzenle Monica
Günümüzde öneri sistemi büyük bir disiplin haline geldi ve kişiselleştirilmiş öneri, İnternet ürünlerinin standart yapılandırması haline geldi. Bu nedenle, öğrenmeye hevesli olanların, arkadaş çevresinde dolaşan ilgili makaleleri toplamanız, Weibo'daki ilgili tartışma konularını yeniden yayınlamanız ve hatta çeşitli büyük ve küçük endüstri konferansları arasında koşarak büyük fabrikaların çalışanlarını dinlemeniz gerektiğini biliyorum. Bu kuru mallardan bahsediyoruz.
Ancak, bugün bu makaleyi görecek kadar şanslıysanız, en yeni ve en değerli bilgileri almak için etrafa bu kadar zahmetli bir şekilde bakmanız, her yerde araştırma yapmanız ve her yerde çeşitli çevrimdışı etkinliklere katılmanız gerekmez. Çünkü burada , Xing Wudao, Lianjia.com'un kıdemli algoritma uzmanı 51 öneri algoritması öğrenme materyalini sizin için sıralamak 3 ay sürdü. "İlke", "Mühendislik" İki bölüm, "Yakın komşu önerisi", "ortak mimari", "derin öğrenme", "içerik önerisi" Dahil olmak üzere ilk on modül Facebook'un açık kaynak metin işleme aracı fastText'in arkasındaki ilkeler, YouTube video öneri sistemi derin sinir ağları üzerinde girişimlerde bulunur, Tencent'in dahili gerçek zamanlı öneri sistemi mimarisinin analizi vb.
Elbette, GeekTime'da çevrim içi olan "36 Öneri Sistemine" abone olursanız, bilginin özünü elde etmek için bu materyalleri zaten edinmiş ve okumuş olabilirsiniz.
Ama çok geç değil, bugün sizlerle tavsiye edilen kuru mal giriş algoritmasını paylaşacağım.
Öneri algoritmasına giriş
(Xing Wu Dao Yu) Köşe yazım sürecinde, sektörle ilgili çok sayıda kamuya açık bilgi okudum, derinlemesine okumak isteyenler için kötüye kullanım bulmaya devam etmek için bunları sıralamak gerektiğini düşünüyorum.
Genel olarak referans seçerken firma tarafından yayınlananları tercih ederim. Çünkü öneri sistemi esasen büyük ölçüde uygulamaya dayanan bir algoritma uygulamasıdır ve bu ticari şirket belgelerindeki teknik içerik de gerçek senaryolarında test edilmiştir.
Şimdi herkesle paylaşın. Bu bilgileri sıkıştırılmış bir pakette derledim ve Baidu bulut diskine yükledim. Aşağıdaki tüm bilgileri istiyorsanız, InfoQ arka planında yanıtlayabilirsiniz: "Öneri Sistemi".
İlkeler (kısmi gösterim)
İçerik önerisi
Başlık: Etkili Metin Sınıflandırması İçin Bir Çanta Çantası
Tür: Kağıt
Yazar: Facebook
Açıklama:
Facebook'un açık kaynak metin işleme aracı fastText'in arkasındaki ilke. Kelime gömme vektörünü, metin çoklu sınıflandırmasını eğitebilir, verimlilik doğrusal modelle aynıdır, etki derin öğrenme ile aynıdır ve buna değer.
Başlık: Gmail Öncelikli E-postaların Ardındaki Öğrenme
Tür: Kağıt
Yazar: Google
Açıklama:
Kullanıcıları metin ve davranışa göre modellemenin bir yolunu, bilgi akışı önerilerinin erken keşfini ve Gmail akıllı posta kutusunun arkasındaki ilkeyi sundu.
Başlık: Öneri Sistemleri El Kitabı (Bölüm 3, Bölüm 9)
Tür: Kitap
Yazar: Francesco Ricci, vb.
Açıklama:
Bu kitap, tavsiye sistemleri üzerine çok çeşitli konuları kapsayan birçok klasik makale içermektedir 3. Bölüm, içerik önerisinin temel ilkelerine ayrılmıştır ve Bölüm 9, içerik öneri sistemlerine dayalı özel bir durumdur.
Konu: Metin Üzerindeki Algoritmalar
Tür: İnternet makalesi (İnternetin ücretsiz sürümü, daha zengin içeriğe sahip "Metinde Algoritmalar: Basit Bir Şekilde Doğal Dil İşleme" adlı bir kitap var)
Eser sahibi: Xiong Yan Road
Açıklama:
Metin madenciliğinde yaygın olarak kullanılan algoritmalar ve temel kavramlar tanıtıldı. İçerik olasılık teorisi, bilgi teorisi, metin sınıflandırması, kümeleme, derin öğrenme, öneri sistemi vb. İçerir.
Konu: LDA Matematik Dedikoduları
Tür: Web Makalesi
Yazar: Rickjin (@ Jin Zhihui)
Açıklama:
Sığdan derine LDA prensibini açıklamak, LDA araçlarının fiili kullanımı için çok yararlıdır.
Komşu tavsiyesi
Başlık: Amazon.com önerileri: öğeden öğeye işbirliğine dayalı filtreleme
Tür: Kağıt
Yazar: Amazon
Açıklama:
Amazon'un öneri sistemi ilkesini tanıtın, esas olarak Öğe Tabanlı işbirliğine dayalı filtreleme algoritmasını tanıtın.
Başlık: Öğe Tabanlı İşbirlikçi Filtreleme Öneri Algoritmaları
Tür: Kağıt
Yazar: Badrul Sarwar vb.
Açıklama:
GroupLens araştırma ekibi, farklı Öğeden Öğeye öneri algoritmalarını karşılaştırdı.
...
Derin öğrenme
Başlık: YouTube Önerileri için Derin Sinir Ağları
Derin sinir ağında YouTube video öneri sistemi girişimini tanıtın. Geniş derinlik modelinin gölgesini görebilirsiniz.
Başlık: Vektör Uzayında Kelime Temsillerinin Etkin Tahmini
Bu makalede, Word2Vec'in yazarı bir kelime gömme vektör öğrenme yöntemi, yani açık kaynak araç seti Word2Vec'in arkasındaki modelin ayrıntılı bir tanıtımı önerdi. Teoride çok basit ve mühendislik becerilerini paylaşmakla ilgili daha fazlası. Word2Vec, öneri sistemine yeni bir gizli faktör vektör öğrenme yöntemi getiriyor ve derin puanlama tahmin batağının matris ayrıştırması açıldı.
Almak için arka planda "öneri sistemine" yanıt verin
Mühendislik (kısmi ekran)
Ortak mimari
Başlık: Etkinlik Akışları Mimarisi
Tür: Sunum
Eser sahibi: Etsy
Açıklama:
Bu makale, sosyal dinamik bilgi akışının mimari tasarım detaylarını ayrıntılı olarak tanıtmaktadır.
Başlık: 5 yıldızın ötesinde (Netflix Önerileri)
Tür: Web Makalesi
Yazar: Netflix
Açıklama:
Netflix, sadece oyundaki puan tahminini değil, kendi öneri sisteminin ürün formunu ayrıntılı ve makro düzeyde tanıttı.
Almak için arka planda "öneri sistemine" yanıt verin
Anahtar modül
Başlık: Örtüşen Deney Altyapısı - Daha Fazla, Daha İyi, Daha Hızlı Deneme
Google tarafından üretilen ABTest deneysel platformunun en iyi çalışması, sahip olmaya değer.
Başlık: TencentRec: Pratikte Gerçek Zamanlı Akış Önerisi
Tür: Kağıt
Eser sahibi: Tencent
Açıklama:
Tencent'in dahili gerçek zamanlı öneri sistem mimarisini tanıttı.
...
Diğer kitaplar
Örüntü Tanıma ve Makine Öğrenimi (makine öğreniminin temelleri, bu yeterlidir).
Öneri sistemi uygulaması (giriş için gerekli olan, Çin'deki tek tercüme edilmemiş öneri sistemi kitabı).
Sinyal ve gürültü (Bayes istatistikleri üzerine genel bir kitap).
Karmaşıklık (öneri sistemleri karmaşık ağlarla karşı karşıya kalır ve karmaşık sistemlerin ve karmaşık ağların özelliklerini anlamak zihninizi açmanıza yardımcı olabilir).
Kısa bir bilgi tarihi (bu bir bilgi ekonomisi olduğu için, elbette bir bilgi tarihini okumalısınız).
Okuyamayacağınızı bildiğim için çok fazla tavsiye etmiyorum. Umarım bu radikal yöntem, çalışmalarınızda ilerlemenize yardımcı olur.
Yukarıdaki bilgiler, arka planda "öneri sistemi" yanıtlanarak alınabilir.
"36 çeşit öneri sistemi" başlıklı sütunuma abone olmaya herkes hoş geldiniz. Dağlar yüksek ve nehirler uzun, tekrar görüşürüz.
Ayrıca " Orijinali okuyun ", abone olun veya bu sütuna göz atın