推荐系统资料笔记收录/ Everything about Recommendation System. 专题/书籍/论文/产品
Fire 2017.12.04
做了一个推荐系统demo: * 基于Surprise实现的具有完整功能的推荐系统服务,并利用flask框架实现了简单的接口调用 * 封装了完整的更新日志数据、训练、根据id查询推荐结果等功能 * 包含了常见的SVD、FM等算法
现有产品一般都不会说明实现方式,大多数成熟商用的推荐系统都是混合型的。
本来应该是另一个“不便回答”的问题。但有人盛情邀请,所以稍微说一下。豆瓣电台的私人电台会综合用户在豆瓣上的各种音乐行为做算法推荐。当然考虑最多的是电台本身的“红心”, “垃圾”, “跳过”这些数据。至于算法本身,在任何领域里,超出基本的普通推荐算法之后,就没有“亢龙有悔”一招打遍天下的东西。可以说全是细节。这个是不断积累、观察、学习、创造的过程,而且每天在持续变化。做推荐是在一条没有终结的马路上一边攒车一边开车,教科书、论文里的东西都是基本的零件,中间碰到各种奇奇怪怪的算法都可能被捡起来装到车上。Swiss army knife, yes. Silver bullet, no.
知乎|网易云音乐的歌单推荐算法是怎样的?(高票答案实际讲的在netflix推荐算法比赛获奖的潜在因子(Latent Factor)算法)
Youtube 视频推荐|Deep neural networks for YouTube recommendations
亚马逊/京东/淘宝 商品推荐
豆瓣 电影/图书/内容推荐
知乎 用户推荐
豆瓣fm/网易云 音乐推荐