个性化推荐

  • 有“今日头条”在先,资讯类大数据会成创业风口么?

    导读:考虑到产品演化的路径,信息服务类的大数据将会在2016年迎来“风口”,成为“资讯大数据元年”。 大数据已经成为了一个庞大的行业。 2015年8月19日,国务院《关于促进大数据发展的行动纲要》,希望“使开放的大数据成为促进创业创新的新动力”。 狭义来看,大数据的产业链从整体上可以分为四大层,包括IT基础层、数据基础层、数据应用层和数据安全层。更细分可以分…

    2016-01-24
    0
  • 数据挖掘系列篇:今日头条的个性化推荐

    摘要:今日头条作为一种新型的新闻阅读方式,已经将传统的新浪、腾讯、网易、搜狐这些新闻媒体以一种大数据+新闻内容的方式呈现给用户。上线没几年,用户量已经发展到3亿累计用户,日活奔着3000万去。看到这样的数据,小编还是比较震撼。这几乎是目前APP Top10的水平。所以有必要对今日头条好好研究下。 简单来看下今日头条这类的个性化推荐要实现大概是什么样的流程: …

    2016-01-24
    0
  • 懂你的推荐算法,推荐逻辑是怎样的?

    作为一个喜欢思考人生的美男子,我时常感慨,现在这个年代,人们上网获取信息的成本真的好低。智能手机,人手一台,打开3G就能上网,百度一搜,什么都有。当然百度上搜出来的大多数可能并不是你想要的,但这并不妨碍上面的论点成立。也正是因为成本太低,人们反而不愿意主动取获取信息,于是各种各样的推荐系统有了大展身手的机会。 推荐在生活中是一个再平常不过的事情,你失业了,有…

    2016-01-17
    0
  • 如何从零构建实时的个性化推荐系统?

    现在网上到处都有推荐。亚马逊等主流电子商务网站根据它们的页面属性以各种形式向用户推荐产品。Mint.com之类的财务规划网站为用户提供很多建议,比如向用户推荐他们可能想要办理的信用卡,可以提供更好利率的银行。谷歌根据用户搜索历史记录的信息优化搜索结果,找到相关性更高的结果。 这些知名公司使用推荐提供情境化的、有相关性的用户体验,以提高转化率和用户满意度。这些…

    2016-01-04
    0
  • 数据挖掘系列篇:推荐系统综述以及美团推荐系统介绍

    其实推荐系统前面已经讲过不少,那时候主要是放在机器学习上讲的,既然这次要系统撸一遍数据挖掘,就把推荐系统单独拿出来说一说。相信如果做过推荐系统的人,都知道是什么回事。一堆features,一堆算法模型,一堆online、offline规则和计算,还有若干的场景。包括著名的netflix、Amazon做的推荐场景都有哪些,有哪些坑需要注意的,之前都有说过。没看…

    2015-12-23
    0
  • 考拉FM的个性化数据挖掘和处理

    提起FM类APP,你都会想起哪些应用程序?来自易观智库数据显示,2014年3月电台类应用月度活跃人数最高的APP仍是考拉FM。上线不到一年的考拉FM,为何发展如此之猛? 与其他移动端电台不同的是,考拉FM采用个性化推荐音频流的播放逻辑,在用户未进行主动选择的情况下依旧能够收听到心仪的节目。移动音频娱乐与大数据挖掘的结合会是怎样的爆发?几天前,在中国电子学会主…

    2015-12-23
    0
  • 新浪微博的推荐算法简述

    在介绍微博推荐算法之前,我们先聊一聊推荐系统和推荐算法。有这样一些问题:推荐系统适用哪些场景?用来解决什么问题、具有怎样的价值?效果如何衡量? 推荐系统诞生很早,但真正被大家所重视,缘起于以”facebook”为代表的社会化网络的兴起和以“淘宝“为代表的电商的繁荣,”选择“的时代已经来临,信息和物品的极大丰富,让用户如浩瀚宇宙中的小点,无所适从。推荐系统迎来…

    2015-11-29
    0
  • 今日头条算法构架师:3亿用户每天的头条各不一样,靠数据是怎么做到的?

    摘要:11月8日,颠覆式创新研习社产品学院第一课登台,今日头条算法构架师曹欢欢,分享了头条如何用数据打磨产品。 曹欢欢说,今日头条现在有3亿的积累用户,日活用户超过三千万。这些用户,每天每个人的今日头条内容都不一样。头条会根据用户特征、场景和文章特征做个性化推荐,而这些推荐不靠编辑,靠技术算法。 演讲人|曹欢欢(今日头条算法构架师,国内对推荐产品理解最深刻的…

    2015-11-10
    1
  • 面向程序员的数据挖掘指南2:推荐系统入门?

    你喜欢的东西我也喜欢 我们将从推荐系统开始,开启数据挖掘之旅。推荐系统无处不在,如亚马逊网站的“看过这件商品的顾客还购买过”板块: last.fm上对音乐和演唱会的推荐(相似歌手): 在亚马逊的例子里,它用了两个元素来进行推荐:一是我浏览了里维斯翻译的《法华经》一书;二是其他浏览过该书的顾客还浏览过的译作。 本章我们讲述的推荐方法称为协同过滤。顾名思义,这个…

    2015-05-02
    0
  • 身处大数据时代,个性化推荐如何成功落地?

    身处大数据时代,企业有更多的机会去了解消费者,甚至会比消费者自己还要了解自己的需求。但事实上鲜有顾客真正获得精准、贴心的个性化服务,是企业不够用心还是顾客太挑剔?个性化服务落地难的个中缘由到底是什么?身处在数据时代,企业如何快速把握消费者的个性化需求和心理预期?有了庞大数据的支撑,企业的个性化服务会变得更加靠谱、更接地气吗? 大数据的迅速增长及相关技术的发展…

    2014-02-11
    0
关注我们
关注我们
分享本页
返回顶部