Публикации по теме 'recommendation-system'


AutoGluon: простой в использовании и высокопроизводительный AutoML
AutoGluon: простой в использовании и высокопроизводительный AutoML Машинное обучение (МО) достигло значительных успехов. Многие разделители теперь используют его в различных отраслях, в том числе многие из них не из традиционной науки о данных. Для достижения высокопроизводительных моделей ML необходимо выполнить как минимум следующие задачи: Предварительная обработка и очистка данных Создание и выбор объектов Выберите модель/архитектуру Внедрить и обучить выбранную модель..
Изобретите заново свою рекомендательную систему, используя базу данных Vector и анализ мнений.
Благодаря новому позиционированию Dailymotion хочет дать своим пользователям возможность выбраться из пузыря фильтров. Новый домашний канал создан для того, чтобы каждый мог обсуждать и оспаривать свое мнение. Один канал, несколько мнений Мобильное приложение Dailymotion предлагает единый канал с вертикальными видеороликами от широкого списка создателей контента . Цель — предложить разнообразный и стимулирующий контент, который адаптируется к желаниям пользователей, позволяя им при..
Внедрение корпоративной системы рекомендаций
Всесторонний взгляд на реализацию «реальной» системы рекомендаций на основе контента Недавно я завершил систему рекомендаций, которая будет выпущена как часть ленты новостей для глобального веб-сайта с высокой посещаемостью. С такими обязательными требованиями, как время отклика на рекомендации менее секунды, требования представляли собой серьезные проблемы проектирования. Как и в случае с любым приложением, которое будет развернуто в производственной среде, необходимо было принять..
«Это сходство, дурак!» Игра свахи между событиями и пользователями.
«Это сходство, дурак!» Игра свахи между событиями и пользователями. Большая мечта Биллетто — радовать людей точными рекомендациями о мероприятиях. Но — как мы совершенно ясно показали — это не так уж и просто. Сказав это, мы должны с чего-то начать, верно? Давайте заглянем под капот, чтобы увидеть, что готовит Биллетто. Прямо сейчас мы представляем рекомендации посетителям, которые явно указали, какие события им нравятся. Они либо уже посещали мероприятия Billetto, либо..
Наука, лежащая в основе рекомендательных систем: персонализация вашего цифрового мира
Введение В сегодняшнем огромном цифровом пространстве, где каждый клик, покупка и взаимодействие генерируют след данных, системы рекомендаций играют ключевую роль в формировании нашего онлайн-опыта. Эти гениальные алгоритмы анализируют горы информации для предоставления персонализированного контента, будь то предложения фильмов на Netflix, рекомендации продуктов на Amazon или песни на Spotify. В этом подробном сообщении в блоге мы углубимся в увлекательный мир рекомендательных систем,..
Совместная фильтрация: использование возможностей коллективных предпочтений с помощью нейронных сетей
Совместная фильтрация: использование возможностей коллективных предпочтений с помощью нейронных сетей Введение Совместная фильтрация (CF) — это широко используемый метод в рекомендательных системах, где цель состоит в том, чтобы рекомендовать элементы пользователям на основе их прошлых предпочтений и предпочтений похожих пользователей. В этом посте мы углубимся в математику совместной фильтрации, рассмотрим ее различные варианты и обсудим, как можно использовать нейронные сети для..
Как мы используем встраивания на основе взаимодействия для улучшения поиска и рекомендаций на Faire
Как мы используем встраивания на основе взаимодействия для улучшения поиска и рекомендаций на Faire Введение Оптовая торговая площадка Faire объединяет более 600 000 независимых ритейлеров с более чем 85 000 брендов по всему миру. Наша команда Discovery постоянно стремится улучшить взаимодействие с платформой для нашего сообщества клиентов по всему миру, включая разработку и внедрение моделей и алгоритмов, которые помогают персонализировать рейтинг продуктов на странице результатов..