这是一个创建于 2830 天前的主题，其中的信息可能已经有所发展或是发生改变。
用 python 比较好??
 |
1
staticor 2017-03-20 18:48:22 +08:00  1
项亮那本吧 Python 入门的 TopN 推荐
表面上的原理不难, 做深了要研究特征工程 |
 |
2
oliverxyy 2017-03-20 18:53:41 +08:00 1
《推荐系统:技术、评估及高效算法》，挺经典的一本书，讲得也很细；
一般自己做着玩的话语言什么的会什么用什么好了，如果是企业应用，运算量会比较大，肯定用 c/c++处理逻辑比较快～ |
 |
3
HugeNature 2017-03-20 18:58:23 +08:00 1
《 introduction to linear algebra 》
《 Calculations 》 《 Possibilities and Statistics 》 |
 |
4
gladuo 2017-03-20 20:14:51 +08:00 via Android
最好是简单的推荐，各种排序和随机就可以。
要想讲出点数学道理，还是要补各种机器学习的基础。 |
 |
5
HLT 2017-03-20 23:01:40 +08:00
最近几天看了几篇北大 /清华博士的关于 推荐系统 协同过滤算法、机器学习 的论文。。。
简直觉得自己是 小学本科 |
 |
6
murmur 2017-03-20 23:06:33 +08:00
你如果想学用在真实系统的推荐，没什么用，因为商品都可以打 tag ，买一个推荐同类其他的按谁给的钱多排列就完了
如果是真的想学算法，可以考虑看看简单的，比如关联规则这些 什么叫竞价排名，比如你买了番茄给你推荐柿子，这是竞价排名 什么叫关联规则？检测到你买了番茄和锅给你推荐鸡蛋 |
|
8
murmur 2017-03-20 23:12:50 +08:00
|
 |
9
menc 2017-03-21 10:52:53 +08:00 2
@murmur 说的好像你真的在做推荐系统一样，不懂就不要误导新人。
@iot 推荐系统也是从机器学习学起， svd ， cf ， fm ， ffm 这些算法也都是机器学习算法，推荐系统比较多张量分解类的算法，所以线代要学好，概率是一定要学好的。 套路是这样的：《线代》《概率》 -- 《机器学习》--《推荐系统》 此外需要领域知识，做文本的推荐的话，需要 NLP 的知识，比如 word embedding 如何放进推荐系统做 feature ，比如 lda 的 keyword 如何放进推荐系统做 feature ，图像推荐的话需要 CV ，那些就很多很杂了， domain language 主要对 feature engineering 起作用。 你楼上说的关联规则，二十年前的做法，早就没人用了。 |
|
10
murmur 2017-03-21 10:58:28 +08:00
@menc 是这样的，技术虽然很厉害，但是你作为一般用户，有感觉现在国内网站推荐有多么智障么？
最明显的一点，就是更换太厉害，典型的网易云，你听过一首歌至后，你发现你整个推荐都被换成这个歌的风格了，一点权重都不考虑啊 淘宝一样，而且淘宝缺少一点点人为干预，或者一点个性化， 3 月末的广州，气温高达 20+度，依然在推荐冬装 优酷是正好相反的，我反复看郭德纲的相声，甚至都在反复循环，首页上郭德纲的东西都是一闪而过，满屏幕的古装剧、宫斗剧 而你说的 feature ，在音乐、视频这些领域反倒不重要，因为人的标注太准、太勤劳了，大家都在努力写 tag ，认真描述自己的东西，只要大类准推荐几本不会错 为什么这么说他没有机器参考的因素，比如我在网易云听东方的歌，但是我听 vocal 的多，不听钢琴曲，他还会推荐一堆钢琴 rearrange 给我，说明他的标注就认了东方，而根本没分析这个音乐的更多特征 你又会说了，你这么特立独行为什么我要考虑你，我要说的是，我以前上学的时候，有个公司自豪的宣传他们的算法就提到了他们发现了 10%的人喜欢找老女人。。。 |
|
11
murmur 2017-03-21 11:05:04 +08:00
@menc 顺便说一下， lda 我读研的时候用过， Blei 写这篇文章的时候还是 2003 年呢， 14 年前和 20 年前比一个半斤一个八两谁也别说谁
其实推荐，笨想，能商用的一个分类器就够了，你说淘宝需要很复杂的算法么？他只要能区分男装和女装就够了 淘宝的推荐系统，别说被你鄙视的关联规则了，他连买了 cosplay 的衣服推荐假发的能力都做不到，可能人家就认为我喜欢买衣服一直买到手剁掉 |
|
12
menc 2017-03-21 11:16:33 +08:00 2
@murmur
笑尿，用过还不懂真的就只是调包侠了。 人的标注从来就赶不上数据的增长速度，我们每天文章几万的进来，怎么搞人工标注？而且你说的问题，不正是人工标注太糙了，只能标注出东方，不能更细分出 vocal 和钢琴么，这是人工标注的天生弱势，很多推荐系统就是太粗了才让人觉得恶心。 所以 domain language 才更重要，音乐更需要分类器来对 genre 进行精确分类。 你所说的推荐系统的 bad case ，恰恰都是人工干涉太多，技术实力不够的结果。 你也不懂一个 1%的指标上涨对营收有多大影响，要是懂，也不会说出“能商用的一个分类器”这种说法。 而且刚搜了下，淘宝现在搜 cosplay 服装会出假发的。 |
|
13
murmur 2017-03-21 11:30:15 +08:00
@menc 怎么搞人工标注？那每天几万文章的标题都是机器取出来的么。。。视频选分类打 tag 不都是上传人自己搞的
-----------下面属于灌水---------------- 我感觉与其研究推荐，不如研究一下怎么让机器给正八景的文章搞成标题党，算法一跑几万文章都震惊了 |
|
14
murmur 2017-03-21 11:50:50 +08:00 1
@menc 另外呢，我感觉这个问题没必要吵架，你的观点是算法很重要，我的观点是真实应用时人的力量可以代替很多算法，而且因为人有主观性他反而有时候比机器的算法更微妙
但是考虑到我没有证据容易被喷，我特意注册了一个今日头条的号，注册的时候让选一个叫领域的东西，足足有 39 项，我自己注册的时候已经交底到这分上了，算法分不分意义不大了吧，何况有的领域我必须提交身份证明否则发了封号 不知道看了这么多的楼主在干嘛，他现在连自己的目标都不明确，是快速搞一个推荐系统跑起来，还是想学高大上的理论和算法呢 但是无论如何，给我的感觉现在跑的无论国内外推荐都不行，就包括 youtube 也是一边倒推荐，反倒是语音、翻译、图像搜索、输入法这些在突飞猛进的发展，而且的的却却让你感受到技术改变了生活 btw,1%的指标对营收多影响我不知道， xx 头条和公众号的造谣文和震惊了让国内的通识教育回到了至少 20 年前 |
 |
15
iot OP |
 |
16
jacksonvillor 2019-05-28 22:10:11 +08:00
@menc 请去 WoS 上搜搜 Association rules & Recommended system 看看出现什么
|
Select Language