← 返回刚才阅读的位置

知识卡片

普通读书笔记卡 · 9638 · 生成模型:DeepSeek-V4.1-Flash

信息过载下的选择推送

理解等级:初级

推荐系统是在信息过载时,信息拥有者向受众做有选择推送的系统:服务器读取用户的观看记录、购买与点击行为、位置等信息,从海量物品中筛出少数候选呈现给用户。常见形态包括看完电影后推荐同题材、同演员的作品,下单后展示相似商品广告,以及随位置变化的手机广告。其商业价值在于把正确的商品或服务,在正确的时间与地点推给正确的人,因而成为电商、移动互联网和基于位置服务的核心算法。传统设计有两条主线:利用用户或物品相似度的邻域方法,以及利用潜在因子的矩阵分解方法,分别对应 [[用户邻域与物品邻域]] 与 [[邻域法局限与矩阵分解]]。

这张卡片看不懂?

已有反馈 · 0 条

    还没有人提交反馈。

    在整书笔记中的位置

    原书出处 · 1 处

    • 第9章 推荐系统 · 查看原书依据

      推荐系统是在信息过载时信息拥有者向它的受众进行有选择的推送的系统。比如,当你打开平时上网看电影的界面时,服务器会从数据库中调取你的观看记录和喜好,给你推荐电影。

    参考来源

    - 位置:《大数据挖掘与统计机器学习》第9章 推荐系统(源文件:extracted/大数据挖掘与统计机器学习/_epub-src/OEBPS/Text/chapter11_0004.xhtml,本章导读) - 结论依据:原文开篇把推荐系统定义为信息过载下有选择的推送,并列举观影、网购、位置广告三类场景,最后点出相似度与潜在因子两条设计出发点。 - 原始内容:推荐系统是在信息过载时信息拥有者向它的受众进行有选择的推送的系统。比如,当你打开平时上网看电影的界面时,服务器会从数据库中调取你的观看记录和喜好,给你推荐电影。