推荐系统核心技术

目录

• 058 _ 简单推荐模型之一：基于流行度的推荐模型
• 059 _ 简单推荐模型之二：基于相似信息的推荐模型
• 060 _ 简单推荐模型之三：基于内容信息的推荐模型
• 061 _ 基于隐变量的模型之一：矩阵分解
• 062 _ 基于隐变量的模型之二：基于回归的矩阵分解
• 063 _ 基于隐变量的模型之三：分解机
• 064 _ 高级推荐模型之一：张量分解模型
• 065 _ 高级推荐模型之二：协同矩阵分解
• 066 _ 高级推荐模型之三：优化复杂目标函数
• 067 _ 推荐的Exploit和Explore算法之一：EE算法综述
• 068 _ 推荐的Exploit和Explore算法之二：UCB算法
• 069 _ 推荐的Exploit和Explore算法之三：汤普森采样算法
• 070 _ 推荐系统评测之一：传统线下评测
• 071 _ 推荐系统评测之二：线上评测
• 072 _ 推荐系统评测之三：无偏差估计
• 073 _ 现代推荐架构剖析之一：基于线下离线计算的推荐架构
• 074 _ 现代推荐架构剖析之二：基于多层搜索架构的推荐系统
• 075 _ 现代推荐架构剖析之三：复杂现代推荐架构漫谈
• 076 _ 基于深度学习的推荐模型之一：受限波兹曼机
• 077 _ 基于深度学习的推荐模型之二：基于RNN的推荐系统
• 078 _ 基于深度学习的推荐模型之三：利用深度学习来扩展推荐系统
• 复盘 2 _ 推荐系统核心技术模块