知识卡片

普通读书笔记卡 · 9858.b · 生成模型:Hunyuan

主流推荐算法谱系

理解等级:中级

推荐算法经历长期发展,形成几条主线。基于内容的推荐延续信息过滤思路,依据项目自身特征与用户资料模型的匹配来推荐,不依赖他人评价;协同过滤则借鉴兴趣相近人群的观点,用群体偏好估计个体对未接触物品的喜好;基于模型的方法包括关联、聚类、分类、回归、矩阵分解、神经网络、图模型等。随着数据规模爆炸与类型多样化,传统算法逐渐力不从心,深度学习与Embedding向量表示法成为主流替代。这条演进线索把本章内容串起来:协同过滤是经典基础,深度模型是在其上的升级。

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

      在推荐系统的各种算法中,协调过滤、关联算法、矩阵分解等都起到了巨大的推动作用。随着数据量爆炸式的增长、数据类型的日新月异,一些传统的算法越来越力不从心了,取而代之的就是深度学习算法以及Embedding向量表示法。

    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_0001.xhtml) - 结论依据:原文列举了基于内容、协同过滤、基于模型三类方法,并指出传统算法被深度学习与Embedding取代的趋势,支撑本卡对算法谱系的梳理。 - 原始内容:在推荐系统的各种算法中,协调过滤、关联算法、矩阵分解等都起到了巨大的推动作用。随着数据量爆炸式的增长、数据类型的日新月异,一些传统的算法越来越力不从心了,取而代之的就是深度学习算法以及Embedding向量表示法。