知识卡片
推荐系统的本质
推荐系统是一种建立在数据挖掘之上的信息过滤平台,核心任务是从海量信息中筛出对用户有用的部分。它与搜索引擎的根本区别在于不需要用户提出明确需求:即使用户自己说不清想要什么,系统也能依据其历史行为建立兴趣模型,主动推荐可能感兴趣的物品或信息。近年深度学习的融入显著提升了它的能力,卷积神经网络、循环神经网络、强化学习、对抗学习、Transformer与各类预训练模型都被引入其中,使其成为互联网增长的重要引擎。这一无需明示需求、从行为推断偏好的定位,是理解后续协同过滤与深度推荐模型的前提。
这张卡片看不懂?
这张卡片已通过人工审查,不再接受失败反馈。
已有反馈 · 0 条
还没有人提交反馈。
在整书笔记中的位置
- · 第9章 推荐系统
原书出处 · 1 处
- 第9章 推荐系统 · 查看原书依据
推荐系统是一种建立在数据挖掘算法基础上的信息过滤平台,可以帮助用户从巨大信息量中过滤出有用的信息。与搜索引擎截然不同的是,推荐系统不需要用户提供明确的需求,甚至当用户自己都不明确自己的需求时,推荐系统可以通过分析用户的历史行为建立用户兴趣模型,为用户推荐感兴趣的物品或信息。
参考来源
- 位置:《深入浅出Embedding:原理解析与应用实践 (吴茂贵, 王红星)》第9章 推荐系统(源文件:extracted/深入浅出Embedding:原理解析与应用实践 (吴茂贵, 王红星)/_epub-src/OEBPS/Text/Chapter12.xhtml)
- 结论依据:原文把推荐系统定义为信息过滤平台,并通过与搜索引擎的对比说明它依靠历史行为建模兴趣,同时列举了融入其中的深度学习算法,支撑本卡对本质与定位的概括。
- 原始内容:推荐系统是一种建立在数据挖掘算法基础上的信息过滤平台,可以帮助用户从巨大信息量中过滤出有用的信息。与搜索引擎截然不同的是,推荐系统不需要用户提供明确的需求,甚至当用户自己都不明确自己的需求时,推荐系统可以通过分析用户的历史行为建立用户兴趣模型,为用户推荐感兴趣的物品或信息。