Auteur | punition couteau ne
Modifier | Monica
Aujourd'hui, le système de recommandation est déjà devenu une école d'apprentissage, des recommandations personnalisées de produits est devenue la norme Internet. A cette fin, je sais, vous avez certainement collection studieuse d'articles liés à la propagation du cercle d'amis, en avant la discussion sur le thème de micro-blogging, continuera à fonctionner même entre les conférences diverses de l'industrie de la taille, l'écoute des fabricants travailleurs disent-ils ces biens secs.
Mais aujourd'hui, si vous avez la chance de voir cet article, de sorte que vous n'avez pas à se regarder autour, demandez autour, partout de participer à des activités à l'avant-garde de divers types de fil pour obtenir les informations les plus précieuses. Car ici , Chaîne de l'algorithme de réseau domestique principal expert punition sans couteau Il faut trois mois pour vous mettre ensemble l'algorithme de recommandation 51 matériaux d'apprentissage, couvert de « Chapitre Principe », « articles du projet » Deux chapitres, « Voisin recommandé », « architecture commune », « étude approfondie », « contenu recommandé » D'autres modules, y compris dix outils de traitement de texte Facebook FastText principe open source, essayez système de recommandation vidéo YouTube en profondeur réseau de neurones, l'analyse de l'architecture du système de recommandation temps réel interne Tencent et ainsi de suite des cas.
Bien sûr, si vous vous abonnez à la ligne de temps de geek « système de recommandation 36 » type, vous pouvez déjà obtenir cette information et que vous avez lu, obtenir des connaissances à l'intérieur de l'essence.
Mais pas trop tard maintenant, algorithme de recommandation d'entrée pour vous sécher avoir à partager aujourd'hui.
recommandation de démarrage Collection algorithme sec
(Pas de peine Katanagatari) dans le processus d'écriture de la colonne, j'ai lu beaucoup d'informations sur l'open de l'industrie, je ressens le besoin de trier, pour les personnes qui veulent continuer à chercher autre enfant de lecture.
Dans l'ensemble, le choix de la référence, je préfère ceux publiés par la société. Parce que le système est essentiellement aussi un algorithme de recommandation est très dépendante de la direction de la pratique et le contenu technique de ces documents commerciaux des entreprises sont leur scène réelle après le test.
Maintenant, pour tout le monde à partager. J'ai mis ces données compilation d'un package compressé et télécharger télécharger Baidu disque nuage, si vous voulez toutes les informations suivantes peuvent être InfoQ répondre en arrière-plan: « système de recommandation. »
articles Principe (partie spectacle)
recommandation contenu
Sujet: Sac de Tricks pour la classification de texte efficace
Type: papier
Auteur: Facebook
Description:
Facebook outils de traitement de texte open source FastText principe. Les mots peuvent être formés à vecteur d'intégration, texte et classification plus, l'efficacité et les modèles linéaires, les effets et la profondeur de l'apprentissage comme ayant une valeur.
Sujet: L'apprentissage derrière la boîte de réception prioritaire Gmail
Type: papier
Auteur: Google
Description:
Introduit l'idée d'un comportement basé sur le texte et l'utilisateur la modélisation, le flux d'information est recommandé l'exploration précoce des principes sous-jacents de la boîte aux lettres intelligente Gmail.
Sujet: Manuel des systèmes Recommender (chapitre III, chapitre IX)
Type: Livre
Auteur: Francesco Ricci, etc.
Description:
Ce livre contient beaucoup de système de recommandation papiers classique, couvrant un sujet très large, le troisième chapitre consacré aux principes de base de la recommandation contenu, chapitre IX est basé sur un boîtier du système de recommandation de contenu spécifique.
Sujet: Algorithmes sur le texte
Type: Article réseau (version gratuite du réseau, a un livre « algorithme sur le texte: facile à comprendre le traitement du langage naturel », plus riche)
Auteur: Xiong Yan route
Description:
Il décrit les algorithmes d'exploration de texte couramment utilisés, et les concepts de base. En ce qui concerne la théorie des probabilités, la théorie de l'information, la classification des textes, le regroupement, l'apprentissage en profondeur, les systèmes de recommandation.
Sujet: LDA potins mathématiques
Type: Internet Article
Auteur: Rickjin (@ Jin Zhihui)
Description:
approche progressive pour expliquer les principes de LDA, outil de LDA pour une utilisation réelle a une très grande aide.
voisins recommandés
Sujet: recommandations Amazon.com: Point-to-point de filtrage collaboratif
Type: papier
Auteur: Amazon
Description:
Le système de recommandation d'Amazon introduit le principe, il est d'introduire des algorithmes Article basée sur le filtrage collaboratif.
Sujet: Point axée sur le filtrage collaboratif Recommandation Algorithmes
Type: papier
Auteur: Badrul Sarwar, etc.
Description:
GroupLens équipe de recherche a comparé les différents algorithmes de recommandation de point à point.
......
étude approfondie
Sujet: Deep Neural Networks pour Recommandations YouTube
Les tentatives visant à introduire un système de recommandation vidéo YouTube dans le réseau de neurones profondeur. Vu du modèle d'ombre large et profonde.
Sujet: Estimation efficace des représentations Word dans l'espace vectoriel
auteurs proposent Word2Vec un mot méthodes d'apprentissage intégré du vecteur dans cet article, qui est le modèle de boîte à outils open-source Word2Vec derrière une description détaillée. En théorie très simple, il est de partager des compétences plus techniques. système de recommandation Word2Vec d'apporter un nouveau facteur vecteur d'apprentissage implicite, dans la décomposition de la matrice de prédiction profonde score de fange est de développer l'idée.
Arrière-plan peut répondre « système de recommandation » pour recevoir
Une partie ingénierie (section montre)
Architecture commune
Sujet: Activité Fils architecture
Type: Présentations
Auteur: Etsy
Description:
Cet article décrit le flux dynamique de détail de conception de l'architecture de l'information sociale en détail.
Titre: Au-delà des 5 étoiles (Recommandations Netflix)
Type: Internet Article
Auteur: Netflix
Description:
Netflix description détaillée macroscopique du système de recommandation de produit sur sa propre forme, non seulement un score de jeu prédit que simple.
Arrière-plan peut répondre « système de recommandation » pour recevoir
Le module clé
Sujet: Chevauchement expérience Infrastructure- Plus, Better, Faster Expérimentation
Porter le trépied ABTest plate-forme expérimentale, Google produit, vaut la peine.
Sujet: TencentRec: temps réel flux Recommandation en pratique
Type: papier
Auteur: Tencent
Description:
Tencent a introduit un système de recommandation en temps réel interne.
......
autres titres
Motif recognization et l'apprentissage machine (Fondation d'apprentissage machine, il y a celui-ci est suffisant).
Système pratique recommandée (le seul système de recommandation de livres traduits non, entrée nécessaire).
Signal au bruit (une description de la statistique bayésienne Popular Science).
Complexe (face au système de recommandation est un réseau complexe, comprendre les caractéristiques des systèmes complexes et des réseaux complexes, aidant le trou ouvert du cerveau).
Une histoire de bref d'information (puisqu'elle est l'économie de l'information, bien sûr, de lire une histoire de l'information).
Je sais que vous ne serez pas lu, donc je ne recommanderais pas trop. Nous souhaitons que je tente de rallier cela vous aidera à apprendre et de progresser.
Les informations ci-dessus, l'arrière-plan peut répondre « système de recommandation », vous pouvez recevoir.
Bienvenue à vous abonner à ma colonne - « système de recommandation 36 de style. » Les hautes montagnes, nos rivières et nos lacs au revoir.
Vous pouvez également cliquer sur " Lire l'original « Abonnez-vous à cette colonne ou parcourir