Рекомендательные системы для аналитиков, часть 6. Практический пример
Рекомендации есть почти везде, но наиболее универсальным примером на российском рынке мне кажется Авито. Если посмотреть блог компании, можно увидеть следующие особенности реализации:
Рекомендательные системы для аналитиков, часть 5. Проблемы в промышленной эксплуатации
Не существует универсального рецепта — каждая задача требует компромисса между качеством, скоростью, стоимостью и интерпретируемостью.
Рекомендательные системы для аналитиков, часть 4. Оценка систем
Как измерить, насколько хороша наша система? Ведь одно дело — построить модель, и совсем другое — доказать, что она действительно помогает пользователям находить то, что им нужно, а бизнесу — зарабатывать больше.
Рекомендательные системы для аналитиков, часть 3. Memory-based и model-based подходы
Для любого вида фильтрации есть два варианта реализации:
Рекомендательные системы для аналитиков, часть 2. Контентный и коллаборативный подход
Все рекомендательные системы можно разделить на два больших лагеря: коллаборативная фильтрация (Collaborative Filtering) и контентная фильтрация (Content-based Filtering). Представьте, что вы ищете новый фильм:
Рекомендательные системы для аналитиков, часть 1. Постановка задачи
Вы заходите в онлайн-кинотеатр, чтобы скоротать вечер. Вы не знаете, чего хотите, но спустя пару секунд на экране появляется подборка фильмов, и один из них так и манит нажать кнопку "Смотреть". Это — работа сложного алгоритма рекомендаций