推荐系统

摘要：Airbnb是如何使用数据理解用户旅行体验的？ Airbnb的数据科学家收集数据并使用这些数据来优化产品，通过数据找出问题所在，并且通过数据协助做出业务决策。对于大多数用户，“Airbnb体验”最典型的瞬间就发生在现实世界——当他们根据自己计划去旅行时，当酒店主人跟他们打招呼时，当他们住在酒店时，当他们探索目的地时。这些瞬间决定了Airbnb体验的成败…

摘要：如何牛逼地设计电影推荐系统 个性化 所谓个性化就是系统在对每个用户进行相关引导时，应该考虑改用户的特点，比如他的历史搜索行为中表现出来的特点，比如是喜欢科幻、或者喜欢文艺，在搜索相关内容时，可以根据这些潜在模式去调整内容的顺序。 精准营销和消费者分群 精准营销是通过用户的个人资料和行为数据，训练特定模型去对用户进行群体划分，这类方法使用的数据能够有效地…

前几年，外界关于大数据的讨论沸沸扬扬。不过在陈运文（以下简称陈）看来，这些讨论雷声大雨点小，落实到应用层面的并不多。 那个时候，陈还是盛大创新院的成员，在院长陈大年的召集下，这里聚集了众多陈景仰的计算机人才，如潘爱民、陆坚博士等。在创新院里，负责数据挖掘的他还结识了许式伟、季昕华、黄伟等技术牛人。 进入2015年以后，有一段时间，生活安逸的陈觉得有些彷徨。与…

摘要：如果去商场里买东西，我并不愿意听导购小姐讲的话，但是电商网站上的推荐，我还真的愿意看一看。【猜你喜欢】，好，那你就猜猜吧。 推荐这种体验除了电商网站，还有新闻推荐、电台音乐推荐、搜索相关内容及广告推荐，基于数据的个性化推荐也越来越普遍了。今天就针对场景来说说这些不同的个性化推荐算法吧。 说个性化之前，先提一下非个性化。 非个性化的推荐也是很常见的，毕竟…

Netflix成立于1997年，最早是一家在线DVD租赁公司，以选片方便、免费递送著称。而今Netflix已积累了价值122亿美元的视频内容，供付费用户通过多种终端设备在线观看。 到2009年，Netflix订户达到1000万、可以提供多达10万部DVD电影。2011年，Netflix网络电影销量占据美国用户在线电影总销量的45%。2015年末，Netfli…

摘要：从信息获取的角度来看，搜索和推荐是用户获取信息的两种主要手段。无论在互联网上，还是在线下的场景里，搜索和推荐这两种方式都大量并存，那么推荐系统和搜索引擎这两个系统到底有什么关系区别和相似的地方有哪些本文作者有幸同时具有搜索引擎和推荐系统一线的技术产品开发经验，结合自己的实践经验来为大家阐述两者之间的关系、分享自己的体会。 图1：搜索引擎和推荐系统是获取…

摘要：在DT(data technology)时代，网上购物、观看视频、聆听音乐、阅读新闻等各个领域无不充斥着各种推荐，个性化推荐已经完全融入人们的日常生活当中。个性化推荐根据用户的历史行为数据进行深层兴趣点挖掘，将用户最感兴趣的物品推荐给用户，从而做到千人千面，不仅满足了用户本质的信息诉求，也最大化了企业的自身利益，所以个性化推荐蕴含着无限商机。 号称“推…

评估好哪一种流架构模式最适合你的案例，是成功生产开发的先决条件。 Apache Hadoop 生态系统已成为企业实时地处理和挖掘大数据的首选。 Apache的Kafka， Flume， Spark， Storm， Samza等技术在不断地推进新的可能。人们很容易泛化大规模实时数据案例，但其实他们可以细分为几种架构模式，Apache系统里的不同组件适合于不同的…

当当个性化推荐开发经理张相於深度分享当当推荐团队的机器学习实践经验。本次分享更侧重“面向过程”——在构建系统时的一些实践，一些坑，以及如何从坑里爬出来，以及“小团队”。

你喜欢的东西我也喜欢 我们将从推荐系统开始，开启数据挖掘之旅。推荐系统无处不在，如亚马逊网站的“看过这件商品的顾客还购买过”板块： last.fm上对音乐和演唱会的推荐(相似歌手)： 在亚马逊的例子里，它用了两个元素来进行推荐：一是我浏览了里维斯翻译的《法华经》一书;二是其他浏览过该书的顾客还浏览过的译作。 本章我们讲述的推荐方法称为协同过滤。顾名思义，这个…

前言 推荐系统并不是新鲜的事物，在很久之前就存在，但是推荐系统真正进入人们的视野，并且作为一个重要的模块存在于各个互联网公司，还是近几年的事情。 随着互联网的深入发展，越来越多的信息在互联网上传播，产生了严重的信息过载。如果不采用一定的手段，用户很难从如此多的信息流中找到对自己有价值的信息。 解决信息过载有几种手段：一种是搜索，当用户有了明确的信息需求意图后…

在推荐系统简介中，我们给出了推荐系统的一般框架。很明显，推荐方法是整个推荐系统中最核心、最关键的部分，很大程度上决定了推荐系统性能的优劣。目前，主要的推荐方法包括：基于内容推荐、协同过滤推荐、基于关联规则推荐、基于效用推荐、基于知识推荐和组合推荐。