Публикации по теме 'recommendation-system'
Система рекомендаций в Lyft
Рекомендации играют важную роль в понимании Lyft своих клиентов и позволяют настраивать приложения для лучшего удовлетворения их потребностей. Иногда рекомендации также используются для управления рынком, обеспечивая здоровый баланс между спросом на поездки и предложением водителей. Это позволяет выполнять запросы на поездки с более желательными результатами, такими как сопоставление гонщиков с лучшим водителем поблизости.
В этом сообщении в блоге основное внимание уделяется масштабу..
Простой пример автоэнкодера с использованием Tensorflow в Python в наборе данных Fashion MNIST
Автоэнкодеры можно использовать для решения множества проблем. Здесь я попытаюсь решить проблему уменьшения размерности. Это довольно распространенная проблема в науке о данных. Я видел это во многих проектах, над которыми я работал. Если у вас есть структурированные данные, обычно вы используете PCA, SVD и т. Д. Но здесь я воспользуюсь автоэнкодером, чтобы получить скрытые функции для каждого изображения.
В этом руководстве я сосредоточусь на построении простой модели тензорного..
3-) Сходства на основе текста
Вы можете генерировать рекомендации на основе содержимого, когда доступны описательные атрибуты. К сожалению, в реальном мире это часто не так, поскольку метки атрибутов, такие как жанры книг, могут быть недоступны. К счастью, если к элементу привязан текст, нам все равно может повезти. Для такого рода данных мы используем «Частота термина, обратная частоте документа» или TF-IDF, чтобы преобразовать текст во что-то полезное.
TF-IDF делит количество раз, когда слово встречается в..
Что такое рекомендательные системы и как они точно узнают, чего вы хотите, еще до того, как вы это сделаете
Системы рекомендаций — это сверхмощные тайные продавцы, которые влияют на ваши решения о покупке.
Я и мой муж любим смотреть фильмы ужасов и триллеры, и Netflix никогда не подводил нас, рекомендуя, что посмотреть дальше. Моим родителям нравятся семейные и религиозные фильмы, и они получают фильмы именно этого жанра, когда входят в свои профили. Как Netflix, будучи огромной платформой OTT с миллионами наименований, рекомендует именно то, что вы ищете, исходя из ваших предпочтений? —..
Вопросы этики и конфиденциальности рекомендательных систем на медиа-платформах
Наука о данных в реальном мире
Вопросы этики и конфиденциальности рекомендательных систем на медиа-платформах
Почему мы должны уделять больше внимания системам, обслуживающим контент.
Системы рекомендаций на медиа-платформах доминируют в наших медиа-решениях. Вместо того, чтобы позволять случайному серфингу на диване определять нашу судьбу просмотра, выбор делается за нас во всех формах цифровых медиа, включая YouTube, Facebook, Spotify и т. Д. Согласно отчету McKinsey , 75%..
Введение в совместную фильтрацию для рекомендации фильмов
Пошаговое руководство по системе рекомендаций
Система рекомендаций стала популярной темой, поскольку мы требуем, чтобы в наши ежедневные каналы добавлялось больше персонализированного контента. Я думаю, мы все знакомы с рекомендуемыми видео на YouTube, и все мы — не раз — жертвы ночного просмотра Netflix.
В рекомендательной системе есть два популярных метода: совместная фильтрация и фильтрация на основе контента. Фильтрация на основе контента делает прогнозы того, что аудитория..
Система рекомендаций с использованием совместной фильтрации
Метод ближайшего соседа
Система рекомендаций есть везде. Amazon, Facebook, Youtube, Netflix и т. д. используют систему рекомендаций, чтобы рекомендовать продукты своим пользователям. Эти системы рекомендаций дают пользователям восхитительный опыт, поскольку они помогают пользователям находить продукты, которые им подходят лучше всего. Давайте узнаем, как работают эти рекомендательные системы.
Существует три способа Рекомендации:
Рекомендация похожих продуктов, которые могут..
