摘要：
推荐系统系列之三：深度学习家族 1. MLP 来源出处： He, Xiangnan, et al. "Neural collaborative filtering." Proceedings of the 26th international conference on world wide web 阅读全文
posted @ 2020-05-09 15:50
小花技术大本营
阅读(364)
评论(0)
推荐(0)
摘要：
1. 背景 在微服务分布式环境下，服务被我们拆分成了许多服务单元，服务之间通过注册和订阅机制相互依赖。系统间的依赖十分的庞大和复杂，一个请求可能会经过多个依赖服务，最后完成调用。 分布式应用中存在错综复杂的相互依赖。 1.1 微服务面临的问题 当系统中某个服务出现延迟或者不可用时，那么整个用户请求都 阅读全文
posted @ 2020-05-09 15:49
小花技术大本营
阅读(183)
评论(0)
推荐(0)
摘要：
推荐系统系列之二：矩阵分解 @[TOC] 1. 理论基础 说明介绍： 从数学概率的角度，证明了 MF 的由来。这样使得 概率矩阵分解（PMF） 和其他模型的“搭配”有了理论的依据。 来源出处： Salakhutdinov et al. Probabilistic matrix factorizati 阅读全文
posted @ 2020-05-09 15:47
小花技术大本营
阅读(645)
评论(0)
推荐(0)
摘要：
智能推荐系统：近邻推荐 @[TOC] 概述 协同：一些具有相似兴趣的人 共同给出 一个你可能感兴趣的列表； 过滤：从推荐的列表中 筛选 出你感兴趣的物品/服务。 核心思想： 人以群分 物以类聚 人以群分 基于用户的最近邻推荐 物以类聚 基于物品的最近邻推荐 步骤 ： 1. 输入用户 商品的评分矩阵 阅读全文
posted @ 2020-05-09 15:37
小花技术大本营
阅读(477)
评论(0)
推荐(0)
浙公网安备 33010602011771号