چرا از سیستم های توصیه استفاده می کنید؟
داشتن یک موتور توصیه، مرور محتوا را آسان‌تر می‌کند.
به علاوه، یک سیستم توصیه عالی به کاربران کمک می‌کند چیزهایی را پیدا کنند که فکرش را هم نمی‌کردند خودشان به دنبال آن بگردند.
فکر می کنید باید ML را روی همه چیز بپاشید.
ممکن است اینطور به نظر برسد، اما در واقعیت، دلایل بسیار بهتری برای استفاده از ML وجود دارد.
شما می خواهید کاربران را به موارد حمایت شده هدایت کنید.
بله، این دلیل خوبی برای استفاده از هر راه حل ML نیست.
اجزای اصلی یک سیستم توصیه گر چیست؟
ایجاد نامزد، امتیازدهی و رتبه بندی مجدد
به خوبی انجام شد! اینها سه جزء اصلی هر سیستم توصیه هستند.
جاسازی، معیارهای شباهت، و سرویس دهی
این عناصر به سیستم های توصیه مرتبط هستند، اما جزء اصلی نیستند.
فاکتورسازی ماتریس، DNN و رتبه بندی مجدد
در حالی که رتبه بندی مجدد یک جزء است، فاکتورسازی ماتریس و DNN انواعی از مولدهای نامزد هستند.