《Mining Large Streams of User Data for Personalized Recommendations》笔记
论文发表年份：2012 主要内容：1、当前在个性化推荐中如何使用数据挖掘技术 2、从 Netflix竞赛中获得的经验； 3、Netflix竞赛中主要使用的个性化推荐技术 4、展望 相对于数据挖掘技术，还存在很多可能对推荐效果影响更大的问题。比如用户交互设计等。但这些不属于本文关注范围。 实际上，商业中使用的绝大多数高级的推荐系统很少是纯粹的协同过滤或者基于内容这样单一的推荐，而一般是混合的。 1.
相关文章
- 1. 课堂笔记——Data Mining（1）
- 2. "Massive sales… just for you!" - The Art of Personalized Marketing
- 3. Data Mining 笔记
- 4. Probabilistic Data Structures for Web Analytics and Data Mining
- 5. Mining Data Streams（1）——数据流挖掘学习笔记
- 6. Non-Sampling Learning for Personalized Recommendation——笔记
- 7. 12.12 IE7275-Data Mining笔记
- 8. 笔记：《Transparent, Scrutable and Explainable User Models for Personalized Recommendation》
- 9. Data Mining with Big Data--阅读笔记
- 10. Personalized Recommendations using Knowledge Graphs: A Probabilistic Logic Programming Approach
- 更多相关文章...
- • Scala for循环 - Scala教程
- • ASP.NET Razor - 标记 - ASP.NET 教程
- • Tomcat学习笔记（史上最全tomcat学习笔记）
- • Java 8 Stream 教程
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. 课堂笔记——Data Mining（1）
- 2. "Massive sales… just for you!" - The Art of Personalized Marketing
- 3. Data Mining 笔记
- 4. Probabilistic Data Structures for Web Analytics and Data Mining
- 5. Mining Data Streams（1）——数据流挖掘学习笔记
- 6. Non-Sampling Learning for Personalized Recommendation——笔记
- 7. 12.12 IE7275-Data Mining笔记
- 8. 笔记：《Transparent, Scrutable and Explainable User Models for Personalized Recommendation》
- 9. Data Mining with Big Data--阅读笔记
- 10. Personalized Recommendations using Knowledge Graphs: A Probabilistic Logic Programming Approach