Comprueba tus conocimientos
¿Por qué usarías sistemas de recomendaciones?
Tener un motor de recomendaciones facilita la navegación por el contenido.
Además, un sistema de recomendación excelente ayuda a los usuarios a encontrar elementos que no hubiesen pensado que quisieran buscar por su cuenta.
Desea dirigir a los usuarios a elementos patrocinados.
Este no es un buen motivo para usar una solución de AA.
Crees que tienes que esparcir AA en todo.
Puede parecer de esa manera, pero en realidad, hay mejores motivos para usar el AA.
¿Cuáles son los componentes principales de un sistema de recomendación?
factorización de matrices, DNN y reclasificación
Si bien la reclasificación es un componente, la factorización de matrices y la DNN son tipos de generadores de candidatos.
incorporación, métricas de similitud y publicación
Estos elementos están relacionados con los sistemas de recomendación, pero no son componentes principales.
generación, puntuación y reclasificación de candidatos
¡Buen trabajo! Estos son los tres componentes principales de cualquier sistema de recomendación.
Salvo que se indique lo contrario, el contenido de esta página está sujeto a la licencia Atribución 4.0 de Creative Commons, y los ejemplos de código están sujetos a la licencia Apache 2.0. Para obtener más información, consulta las políticas del sitio de Google Developers. Java es una marca registrada de Oracle o sus afiliados.
Última actualización: 2024-07-26 (UTC)
[null,null,["Última actualización: 2024-07-26 (UTC)"],[[["Recommendation systems enhance content browsing and help users discover new items."],["Recommender systems are built with three primary components: candidate generation, scoring, and re-ranking."],["While machine learning is often associated with recommendation systems, using it solely to promote sponsored items is not recommended."]]],[]]
