摘要：这是谷歌youtube在2010的一篇文章，估计现在的思路有很多升级了，但是里面的知识点还是很不错的。主要讲youtube的个性化推荐思路。下面根据论文的结构我把我理解的思路整理如下，如果有问题，欢迎指出。1 介绍在信息抽取和内容发现方面，个性化推荐是非常关键的方法。1.1 目标推荐系统的目的是帮助用户发现他们感兴趣的高质量视频，来让用户乐在其中。1.2 挑战用户上传的视频的元信息非常少和粗糙、视频时长比较短、用户交互相对较短和有噪声、视频生命周期短。2 系统设计推荐系统算法保持实时性和新鲜性，就像多样性和相关性。推荐的视频是通过用户的行为来生成的，用户的行为包括观看、收藏、喜欢等来作为种..
阅读全文
摘要：这篇论文讲的东西并不深，讲的是appstore上的app个性化推荐问题，简单做个笔记。简单介绍：推荐系统可以降低没有卖任何app就离开的用户的概率、当用户买了某个app后，可以推荐配套的app、增加用户的忠诚度。思路介绍：Ui=（用户在频道1购买的app数目，用户在频道2购买的app数目，...用户在频道n购买的app数目）US(用户相似度)=(Ui*Uj)/(||Ui||*||Uj||)首先通过和你相似topK个用户购买了的app而你没有买的app作为候选推荐app，然后，就是对这些候选app的一个rank问题。rank=候选app和自己购买app的共现对/自己购买app数。结论：个...
阅读全文
摘要：这是针对当下比较热门的深度学习（DL）的一篇综述。机器学习是人工只能领域的一个重要学科。 什么是机器学习？机器学习就是通过算法，使得机器能从大量历史数据中学习规律，从而对新的样本做出智能识别或者对未来做出预测。 机器学习的两次浪潮 （1）浅层学习。1980年代，反向传播算法（BP）的发明，给机器学习带来了希望，掀起了基于统计的机器学习浪潮，这种基于统计的机器学习方法对过去基于人工规则的系统，在很多方面具有优越性。1990年代，各种各样的浅层机器学习模型相继被提出。比如支持向量机，Boosting，最大熵等，这些模型可以看成带有一层隐层节点（SVM，Boosting）或没有隐层节点（L...
阅读全文
