摘要：
推荐模型演化： 协同过滤： UserCF：基于用户相似度 ItemCF：基于物品相似度 相似度计算：Cosine Similarity、皮尔逊相关系数（引入用户平均分，减少了用户评分偏置影响）、还可以引入物品平均分，减少物品评分偏置对结果的影响 UserCF具备强的社交特性，ItemCF适用于兴趣变 阅读全文
posted @ 2021-02-23 21:20
isshpan
阅读(99)
评论(0)
推荐(0)
摘要：
推荐系统的数据部分： 客户端及服务端实时数据处理，流处理平台准实时数据处理，大数据平台离线数据处理 实时性：由强到弱 处理能力：由弱到强 推荐系统的模型部分： 召回层：快速从海量候选集召回用户可能感兴趣的物品 排序层：精排 补充策略与算法层：兼顾结果的多样性、流行度、新鲜度 离线训练：利用全量样本和 阅读全文
posted @ 2021-02-23 21:16
isshpan
阅读(72)
评论(0)
推荐(0)
浙公网安备 33010602011771号