推荐系统“冷启动”全链路破局：从流量调控到算法落地 一、 为什么冷启动这么难？（本质归因） 在讨论“怎么做”之前，我们先要明白“痛在哪里”。根据系统分析，冷启动的核心难点主要来自两个层面： 1. 数据

在上一篇文章《想要了解推荐系统？看这里！（1）——协同过滤与奇异值分解》中，我们谈到了协同过滤（CF）与奇异值分解（SVD）如何用于构建推荐系统。随着神经网络的兴起，如何利用这种技术构建推荐系统也引起了很多人的关注。这篇博文将介绍Spotlight——由PyTorch支持的推荐…

推荐系统能够预测用户未来的兴趣偏好，并向用户推荐排序最靠前的item。在现代社会中，推荐系统之所以被人们需要，关键是由于互联网的普及，人们面临着太多的选择。过去，人们习惯在实体店购物，实体店的商品有限，人们的选择也有限。相比之下，如今互联网允许人们在线访问任何资源。尽管可用信息…

这一次坐下来好好整理了一下推荐系统早期的简单且有效算法、基于内容推荐和协同过滤，感觉整理足够简单足够详细，希望大家能够喜欢

你刷朋友圈，是看到“好友最新”，还是“你最感兴趣”的内容？ 实际上，微信朋友圈推荐早已不是简单的时间倒序，而是融合了： 社交关系图建模 行为兴趣画像 缓存与流控的极致优化 本篇将揭秘这套“低调但高效”

推荐系统是依据用户的个人喜好尽可能推荐用户喜爱的物品（视频、新闻、商品、直播等），而用户的兴趣偏好则通过过往的行为数据体现出来。当没有历史记录可循时，就存在推荐冷启动问题。本文在接下来的篇幅首先讲述冷启动的相关概念，然后介绍一些业界常规的解决方法，最后会着重阐述花椒直播在解决用…

上一篇文章简单介绍了推荐系统的定义和应用，推荐系统第二篇，简单介绍用户画像的知识， 以及通过文本来构建用户画像的知识。 用户画像其实就是从海量的用户数据中，建模抽象出来每个用户的属性标签体系，这些属性通常需要具有一定的商业价值。 而如果从计算机的角度，用户画像是对用户信息的向量…

感觉第二章应该是整本书的核心内容，讲解的是如何利用用户行为数据，通过“听其言，观其行”。着重讲解了两个算法： 我们可以通过用户留下的文字和行为了解用户兴趣和需求。 用户的行为不是随机的，而是蕴含着很多的模式，需要通过算法自动发掘用户行为数据，从用户的行为中推测出用户的兴趣，从而…

本文主要介绍了百度大规模信息流推荐系统研发、交付效能提升的相关实践。涵盖研发、测试、发布、上线部署各个阶段，通过智能化手段，结合数据和算法，实现效能提升、以及流程智能流转，最终实现全流程的无人值守。