- 在当今信息爆炸的时代，推荐系统已成为许多互联网平台的核心功能。个性化推荐算法是推荐系统的关键组成部分，它能够根据用户的兴趣和行为，提供定制化的推荐内容。本文将介绍推荐系统的设计与实现，重点关注个性化推荐算法的原理和评估方法。推荐系统概述 推荐系统是基于用户历史行为和兴趣，为用户提供个性化的产品或服务推荐。它既可以是电子商务网站中的商品推荐，也可以是社交媒体平台中的内容推荐。推荐系统的目标是提... 在当今信息爆炸的时代，推荐系统已成为许多互联网平台的核心功能。个性化推荐算法是推荐系统的关键组成部分，它能够根据用户的兴趣和行为，提供定制化的推荐内容。本文将介绍推荐系统的设计与实现，重点关注个性化推荐算法的原理和评估方法。推荐系统概述 推荐系统是基于用户历史行为和兴趣，为用户提供个性化的产品或服务推荐。它既可以是电子商务网站中的商品推荐，也可以是社交媒体平台中的内容推荐。推荐系统的目标是提...
- LensKit是一个开源的推荐系统工具包，它提供了一组算法和工具来构建和评估推荐系统。LensKit支持基于物品的协同过滤、基于用户的协同过滤、基于模型的推荐和混合推荐等多种推荐算法。 LensKit是一个开源的推荐系统工具包，它提供了一组算法和工具来构建和评估推荐系统。LensKit支持基于物品的协同过滤、基于用户的协同过滤、基于模型的推荐和混合推荐等多种推荐算法。
- 该系统使用java编写的基于用户的协同过滤算法（UserCF）和基于物品（此应用中指电影）的协同过滤(ItemtemCF） 利用统计学的相关系数经常皮尔森（pearson）相关系数计算相关系数来实现千人千面的推荐系统。 该系统使用java编写的基于用户的协同过滤算法（UserCF）和基于物品（此应用中指电影）的协同过滤(ItemtemCF） 利用统计学的相关系数经常皮尔森（pearson）相关系数计算相关系数来实现千人千面的推荐系统。
- 推荐系统常用数据集和验证方法 推荐系统常用数据集和验证方法
- 网站大部分的流量其实是来自于搜索指数并不大的长尾关键词，越是大型的网站，长尾关键词的流量占比率就越大。我们在做网站优化时都会利用大量的长尾关键词去获取更多的流量，很有必要建立长尾关键词词库，一方面长尾关键词库可以帮网站带来更多的精准流量，另一方面可以提升第三方网站权重。一、网站关键词库是怎么来的?网站关键词库是站长工具或爱站工具依据网站有百度指数并排名在前50名的关键词，网站关键词排名越好，... 网站大部分的流量其实是来自于搜索指数并不大的长尾关键词，越是大型的网站，长尾关键词的流量占比率就越大。我们在做网站优化时都会利用大量的长尾关键词去获取更多的流量，很有必要建立长尾关键词词库，一方面长尾关键词库可以帮网站带来更多的精准流量，另一方面可以提升第三方网站权重。一、网站关键词库是怎么来的?网站关键词库是站长工具或爱站工具依据网站有百度指数并排名在前50名的关键词，网站关键词排名越好，...
- 欢迎各高校校友们关注华为云实习，我们这边覆盖了大前端技术，APP，JAVA后端，智能算法等多个工作岗位，大家来了以后选择的余地会比较大，能学到的东西会比较多，我们会根据大家的专长和爱好，协商具体的实习工作，不管大家以后能留在华为还是到其他公司发展，这里都可以帮你打下坚实的基础。 欢迎各高校校友们关注华为云实习，我们这边覆盖了大前端技术，APP，JAVA后端，智能算法等多个工作岗位，大家来了以后选择的余地会比较大，能学到的东西会比较多，我们会根据大家的专长和爱好，协商具体的实习工作，不管大家以后能留在华为还是到其他公司发展，这里都可以帮你打下坚实的基础。
- 构建一个基于 Agent 的智能推荐系统架构—多 Agent 协作视角下的推荐系统设计与实现 引言传统推荐系统大多采用集中式流水线架构：数据收集 → 特征工程 → 模型推理 → 结果输出。这种方式在静态场景下表现良好，但在以下场景中逐渐暴露瓶颈：用户兴趣高度动态变化推荐目标多样（点击率、转化率、满意度）需要实时交互与策略调整推荐逻辑复杂、规则与模型并存为此，越来越多的系统开始引入 Agen... 构建一个基于 Agent 的智能推荐系统架构—多 Agent 协作视角下的推荐系统设计与实现 引言传统推荐系统大多采用集中式流水线架构：数据收集 → 特征工程 → 模型推理 → 结果输出。这种方式在静态场景下表现良好，但在以下场景中逐渐暴露瓶颈：用户兴趣高度动态变化推荐目标多样（点击率、转化率、满意度）需要实时交互与策略调整推荐逻辑复杂、规则与模型并存为此，越来越多的系统开始引入 Agen...
- 别再迷信离线了：流 + 在线模型，才是实时推荐的正解 别再迷信离线了：流 + 在线模型，才是实时推荐的正解
- 实时数据处理的挑战与机遇在当今数字化商业时代，电商平台面临着前所未有的数据处理挑战。每天数以亿计的用户行为数据、商品信息更新、价格变动等实时数据流需要被及时处理和分析，以提供精准的个性化推荐服务。传统的批处理方式已经无法满足现代电商对实时性的要求，用户期望在点击、浏览、购买等行为发生后立即获得相关的推荐内容。 传统推荐系统的局限性传统的推荐系统通常采用离线批处理的方式，每天或每小时更新一次... 实时数据处理的挑战与机遇在当今数字化商业时代，电商平台面临着前所未有的数据处理挑战。每天数以亿计的用户行为数据、商品信息更新、价格变动等实时数据流需要被及时处理和分析，以提供精准的个性化推荐服务。传统的批处理方式已经无法满足现代电商对实时性的要求，用户期望在点击、浏览、购买等行为发生后立即获得相关的推荐内容。 传统推荐系统的局限性传统的推荐系统通常采用离线批处理的方式，每天或每小时更新一次...
- 协同过滤（Collaborative Filtering, CF）是推荐系统中一种广泛使用的技术，核心思想是基于用户之间或物品之间的相似度进行推荐。协同过滤可以分为两大类：用户-用户协同过滤（User-User Collaborative Filtering）和物品-物品协同过滤（Item-Item Collaborative Filtering）。接下来，我们将深入探讨这两种方法及其背后的... 协同过滤（Collaborative Filtering, CF）是推荐系统中一种广泛使用的技术，核心思想是基于用户之间或物品之间的相似度进行推荐。协同过滤可以分为两大类：用户-用户协同过滤（User-User Collaborative Filtering）和物品-物品协同过滤（Item-Item Collaborative Filtering）。接下来，我们将深入探讨这两种方法及其背后的...
- 第一章：反事实评估的理论基石与业务痛点 1.1 传统评估方法的困境：为什么必须部署才能评估？在推荐系统、广告出价、动态定价等场景中，策略迭代面临根本性矛盾：离线训练的策略必须上线才能知道真实效果，这导致：痛点维度具体表现业务损失发生频率迭代成本高每版策略需2周A/B测试，100+工程师日投入延迟上线损失¥500万/次每周1-2次策略风险大新策略可能崩溃、转化率暴跌曾致GMV单日下跌12%每... 第一章：反事实评估的理论基石与业务痛点 1.1 传统评估方法的困境：为什么必须部署才能评估？在推荐系统、广告出价、动态定价等场景中，策略迭代面临根本性矛盾：离线训练的策略必须上线才能知道真实效果，这导致：痛点维度具体表现业务损失发生频率迭代成本高每版策略需2周A/B测试，100+工程师日投入延迟上线损失¥500万/次每周1-2次策略风险大新策略可能崩溃、转化率暴跌曾致GMV单日下跌12%每...
- 一、引言早些时候，我们在做提效研讨会时，其中一项是关于商品陈列决策的低效与滞后。超商门店的陈列优化作为提升销售额和顾客体验的关键环节，目前面临效率问题。传统门店的陈列方案往往依赖资深店长的经验判断，基于历史销售数据手动调整，不仅耗时（单店陈列方案制定平均需 4-8 小时），且难以实时响应市场变化（如促销活动、季节更替、库存波动）。为解决这一问题，我们团队计划开发“数字化陈列推荐系统”开发项目... 一、引言早些时候，我们在做提效研讨会时，其中一项是关于商品陈列决策的低效与滞后。超商门店的陈列优化作为提升销售额和顾客体验的关键环节，目前面临效率问题。传统门店的陈列方案往往依赖资深店长的经验判断，基于历史销售数据手动调整，不仅耗时（单店陈列方案制定平均需 4-8 小时），且难以实时响应市场变化（如促销活动、季节更替、库存波动）。为解决这一问题，我们团队计划开发“数字化陈列推荐系统”开发项目...
- 华为CANN算子优化实践-AutoFuse自动融合在推荐系统中的深度应用（训练营深度实战篇）随着人工智能在推荐系统中的广泛应用，模型规模和特征维度不断增加，算子执行效率逐渐成为系统性能的核心瓶颈。华为昇腾 CANN 提出的 AutoFuse 自动融合技术，为推荐系统提供了高效的算子执行方案，从原理设计到实践优化，实现了显著的性能提升。本文将从技术原理、实现机制、实践案例以及性能优化策略等方... 华为CANN算子优化实践-AutoFuse自动融合在推荐系统中的深度应用（训练营深度实战篇）随着人工智能在推荐系统中的广泛应用，模型规模和特征维度不断增加，算子执行效率逐渐成为系统性能的核心瓶颈。华为昇腾 CANN 提出的 AutoFuse 自动融合技术，为推荐系统提供了高效的算子执行方案，从原理设计到实践优化，实现了显著的性能提升。本文将从技术原理、实现机制、实践案例以及性能优化策略等方...
- 一、引言鸿蒙智能推荐系统是基于HarmonyOS分布式能力和AI技术构建的新一代个性化推荐引擎。系统通过多设备协同感知、实时用户行为分析和智能内容匹配，实现跨设备的精准个性化推荐，在用户体验提升和业务转化率方面实现显著突破。技术突破与性能表现指标传统推荐系统鸿蒙智能推荐提升幅度技术价值推荐准确率68.5%82.3%+20.1%更精准的用户兴趣匹配响应延迟120-200ms15-30ms降低8... 一、引言鸿蒙智能推荐系统是基于HarmonyOS分布式能力和AI技术构建的新一代个性化推荐引擎。系统通过多设备协同感知、实时用户行为分析和智能内容匹配，实现跨设备的精准个性化推荐，在用户体验提升和业务转化率方面实现显著突破。技术突破与性能表现指标传统推荐系统鸿蒙智能推荐提升幅度技术价值推荐准确率68.5%82.3%+20.1%更精准的用户兴趣匹配响应延迟120-200ms15-30ms降低8...
- 别怪推荐系统不懂你，可能是你的数据“太模糊”了 别怪推荐系统不懂你，可能是你的数据“太模糊”了
上滑加载中
推荐直播
-
HDC深度解读系列 - Serverless与MCP融合创新，构建AI应用全新智能中枢2025/08/20 周三 16:30-18:00
张昆鹏 HCDG北京核心组代表
HDC2025期间，华为云展示了Serverless与MCP融合创新的解决方案，本期访谈直播，由华为云开发者专家(HCDE)兼华为云开发者社区组织HCDG北京核心组代表张鹏先生主持，华为云PaaS服务产品部 Serverless总监Ewen为大家深度解读华为云Serverless与MCP如何融合构建AI应用全新智能中枢
回顾中 -
关于RISC-V生态发展的思考2025/09/02 周二 17:00-18:00
中国科学院计算技术研究所副所长包云岗教授
中科院包云岗老师将在本次直播中，探讨处理器生态的关键要素及其联系，分享过去几年推动RISC-V生态建设实践过程中的经验与教训。
回顾中 -
一键搞定华为云万级资源，3步轻松管理企业成本2025/09/09 周二 15:00-16:00
阿言 华为云交易产品经理
本直播重点介绍如何一键续费万级资源，3步轻松管理成本，帮助提升日常管理效率！
回顾中
热门标签