Flink + 强化学习搭建实时推荐系统
如今的推荐系统，对于实时性的要求越来越高，实时推荐的流程大致可以概括为：推荐系统对于用户的请求产生推荐，用户对推荐结果作出反馈 (购买/点击/离开等等)，推荐系统再根据用户反馈作出新的推荐。这个过程中有两个值得关注的地方： 这可被视为是一个推荐系统和用户不断交互、互相影响的过程。 推荐系统需要对用户反馈作出快速及时的响应。 这两点本篇分别通过强化学习和 Flink 来实现，而在此之前先了解一些背景
相关文章
- 1. 强化学习【RL】推荐
- 2. 推荐系统实践学习系列（七）推荐系统实例
- 3. 推荐系统学习（七）
- 4. 推荐系统学习（五）
- 5. 推荐系统学习-libFM
- 6. 推荐系统学习（八）
- 7. 推荐系统学习（一）
- 8. 推荐系统学习（九）
- 9. 推荐系统学习（六）
- 10. 推荐系统学习(一)
- 更多相关文章...
- • 操作系统（OS）平台 统计 - 浏览器信息
- • Swift 环境搭建 - Swift 教程
- • 适用于PHP初学者的学习线路和建议
- • Docker容器实战(七) - 容器眼光下的文件系统
相关标签/搜索
每日一句
-
每一个你不满意的现在，都有一个你没有努力的曾经。
欢迎关注本站公众号,获取更多信息
相关文章
- 1. 强化学习【RL】推荐
- 2. 推荐系统实践学习系列（七）推荐系统实例
- 3. 推荐系统学习（七）
- 4. 推荐系统学习（五）
- 5. 推荐系统学习-libFM
- 6. 推荐系统学习（八）
- 7. 推荐系统学习（一）
- 8. 推荐系统学习（九）
- 9. 推荐系统学习（六）
- 10. 推荐系统学习(一)