Публикации по теме 'recommendation-system'


Анализ корзины рынка Instacart
Какие продукты снова будут покупать потребители Instacart? Содержание Бизнес-проблема Бизнес-цели и ограничения Обзор данных и анализ столбца набора данных Сопоставление проблемы реального мира с проблемой машинного обучения Метрика производительности Исследовательский анализ данных Существующие решения / подходы Первый подход Функциональная инженерия Построение модели Конвейер вывода Резюме Будущая работа Профиль использованная литература 1. Деловая / реальная..
Создание ценности связывает с контентом, людьми и ресурсами
Большинство наших проблем решают команды, работающие в контексте «Эры достижений», команды наделенных полномочиями людей, живущих во взаимосвязанном мире благодаря открытому доступу к информации, инструментам повышения производительности и коммуникациям. Но даже сейчас, когда Интернет и Интернет предоставили огромные возможности для сбора команд для решения все более сложных проблем нашего мира; когда социальные сети и сотрудничество в команде так актуальны, важный вопрос раскрытия их..
Система рекомендаций с Python (шаг за шагом)
Компании электронной коммерции и розничной торговли используют возможности данных для увеличения продаж с помощью рекомендательных систем, внедренных на их веб-сайтах. Варианты использования этих систем постоянно увеличиваются. Не может быть лучшего времени, чем сейчас, чтобы глубже погрузиться в эту превосходную технику машинного обучения. С ростом количества покупок в Интернете возросла потребность в уверенности в покупке товаров. Именно поэтому создаются рекомендательные системы...
Системы рекомендаций для неявной обратной связи
Неявная обратная связь Скрытая обратная связь выводится из поведения пользователя, например, отмечая, какие документы они выбирают и не выбирают для просмотра, продолжительность времени, потраченного на просмотр документа, просмотр страниц или действия по прокрутке. … пользователь не обязательно уведомляется о том, что его поведение (выбранные документы) будет использоваться как отзыв по релевантности. Данные Наша цель сегодня — разработать рекомендательную систему с..
Мастер стиля Depop: поиск следующих любимых магазинов с первого дня
Решение проблемы холодного старта для индивидуальных рекомендаций В Depop мы все нацелены на служение нашему сообществу, потому что мы сами являемся сообществом. Мы не только хотим дать возможность творческим умам создавать собственные бренды и следовать своим увлечениям, но мы также хотим соединить этих блестящих продавцов с растущим числом не менее увлеченных клиентов, каждый из которых имеет свой собственный стиль. В этой статье мы обсудим наш подход к решению классической проблемы..
Системы рекомендаций на основе тематических моделей
Системы рекомендаций на основе тематических моделей Очень быстрое и (надеюсь) легкое для понимания введение в интуицию (и очень низкоуровневую математику), используемую в системах рекомендаций на основе тематических моделей. Посетите мой GitHub , где есть простая рабочая система рекомендаций, основанная на тематическом моделировании. В современном мире иногда кажется, что нас преследуют бесконечные решения. Будь то фильм в пятницу вечером или следующая песня, которая заставит..
Совместная фильтрация в системе рекомендаций
В своей предыдущей статье я говорил о системе рекомендаций, основанной на содержании. Если вы еще не проверяли этот пост, я настоятельно рекомендую вам сначала прочитать его и вернуться к этому сообщению. Это необходимо, потому что подход совместной фильтрации направлен на решение проблемы фильтрации на основе содержимого. При фильтрации на основе контента проблема заключалась в том, что нам нужно было определить определенные факторы, которые могут повлиять на то, что пользователь..