推荐引擎

     
    7

本周多篇机器学习用于推荐系统的大科技文摘

226 5K

有选择地从科技公司的工程博客中挑选了博客文章: [Meta] .

揭密Tweepcred:Twitter推荐引擎背后的力量

506 6K

您已经在 Twitter 上看到一些人具有某种影响力,他们的推文以近乎神奇的效率获得点赞、转发和回复。但是你有没有想过这种影响力是什么? .

RecSysOps:奈飞运维大型推荐系统的最佳实践

837 3K

Netflix 撰写了一篇激动人心的博客,讲述了在生产环境中操作推荐引擎的最佳实践。 运营一个大规模的推荐系统是一.

真实生产级别的推荐系统 - Nikhil

554

大规模构建在生产中部署的推荐系统 ,并在用户等待页面加载时在几百毫秒内提供实时请求。要构建这样的系统,工程师必须做出跨越多个移动层的决策,例如: .

metarank: 推荐排名类的低代码机器学习工具

556

Metarank(或 METAdata RANKer)可以轻松个性化任何列表:推荐、文章和搜索结果。开发人员进行一次重新排名 API 调用,Metarank.

建立机器学习实战系统的十大经验教训

1 4143 1 6K
这是来自Netflix机器学习系统的构建经验,Netflix是机器学习应用实战的先驱之一,曾经设立百万奖金用于奖励影片推荐系统算法。最近他们又公布了在机器学习系统的.

如何设计一个相似性推荐阅读功能?

1 929

看了南方周末(www.infzm)网站,发现该网站有一个相似性阅读功能,即阅读当前文章到末尾,右下方会弹框提示一篇相似性度比较高的文章来推荐用户阅读,这个功能感觉很.

    7