我要上传

当前已有1388954份文档

首页 >> 会议 >> 搜索
推荐系统 检索结果 共61条,共耗时:0.085s

在海量信息中如何用最短的世界,让用户快速找到最适合、最优的内容?很多平台都做了个性化推荐内容块,然而如何打造适合自己的个性化推荐系统,是很多技术方和产品方头疼的问题。推荐系统核心是向用户推荐其感兴趣的信息和产品,但用户需求千差万别,如何做到个性化推荐。这时候推荐算法和整个系统架构的设计就异常重要,没有一个算法能适合所有平台,一般都是多个算法组合起来应用。本文集不会告知你具体系统设计方案,但给您收集整理了推荐系统相关经典算法,以及业界比较知名平台推荐系统设计案例分享。

互联网给用户带来了大量的信息,满足了用户在信息时代对信息的需求,也使得用户在面对大量信息时无法从中获得对自己真正有用的那部分信息,对信息的使用效率反而降低了。解决这个问题常规的办法是推荐系统,它能有效帮助用户快速发现感兴趣和高质量的信息,提升用户体验,增加用户使用产品时间,并有效减少用户浏览到重复或者厌恶的信息带来的不利影响。总的来说,无论你是门户站\电商站\视频站\个人站等基本上都离不开推荐系统,好的推荐系统让你的站事半功倍!

百度——中国互联网三大巨头之一,全球最大的中文搜索引擎,拥有着中国大部分上网者的上网入口,拥有非常优秀的技术团队。2000年1月由李彦宏创立于北京中关村。本文集整理53位百度技术人员对外分享的百度技术研发经验和核心技术解析,一起来解密百度的核心技术吧。

Facebook作为全球知名的社交网站,拥有超过3亿的活跃用户,其中约有3千万用户至少每天更新一次自己的状态;用户每月总共上传10亿余张照片、1千万个视频;以及每周共享10亿条内容,包括日志、链接、新闻、微博等。因此Facebook需要存储和处理的数据量是非常巨大的,每天新增加4TB压缩后的数据,扫描135TB大小的数据,在集群上执行Hive任务超过7500次,每小时需要进行8万次计算,所以高性能的云平台对Facebook来说是非常重要的,而Facebook主要将Hadoop平台用于日志处理、推荐系统和数据仓库等方面。

首页 上一页 1 [2] [3] [4] [下一页]
  • 文档
  • 会议
  • 文集
  • 图书

搜会议 搜嘉宾 搜公司

回顶部