矩阵分解是推荐系统系列中的一种算法，顾名思义，就是将矩阵分解成两个（或多个）矩阵，它们相乘后得到原始矩阵。在推荐系统中，我们通常从用户与项目之间的交互/评分矩阵开始，矩阵分解算法会将用户和项目特征矩阵分解，这也称为嵌...

你有没有想过Netflix是如何推荐你想看的电影的？或者亚马逊如何向你展示你觉得需要购买的产品？

https://proceedings.icml.cc/static/paper_files/icml/2020/530-Paper.pdf

本篇论文为 Youtube 2019 年的工作《Recommending What Video to Watch Next: A Multitask Ranking System》，发表于 RecSys。

相信大家对推荐系统已经很熟悉了，它通过分析用户的历史行为，挖掘用户的兴趣爱好，预测并推荐给用户其接下来有可能感兴趣的事物，例如商品推荐、音乐推荐、新闻以及最近很火的短视频推荐等等。...

冷启动是推荐系统的重要挑战之一。那么，什么是冷启动？如何设计一个好的冷启动方案？本文将主要从以下7个方面给大家讲清楚这些问题：

今天学习的是阿里巴巴 2018 年的论文《Billion-scale Commodity Embedding for E-commerce Recommendation in Alibaba》。

相信大家对于经典的成对学习(Pairwise Learning)方式的推荐模型BPR[1](Bayesian Personalized Recommendation)一定不会陌生，它的基本假设是用户产生行为的项目应该排在未产生行为项目的前面。后续有许多研究工作者对...

智能推荐和泛的营销完全不同，后者是将产品卖给客户作为最终目标；而智能推荐是以“客户需求”为导向的，是给客户带来价值的。常见的如淘宝的 “你可能还喜欢”，亚马逊的 “购买此商品的用户也购买了” 便是实例。本文就将...

随着信息过载的增加，我们不可能通过观看海量的内容来获取我们想要的项目。推荐系统可以来拯救我们。推荐系统是一种模型，通过向用户展示他们可能感兴趣的内容，帮助他们探索音乐和新闻等新内容。...