בדיקת ההבנה
קל לארגן דפים בעזרת אוספים
אפשר לשמור ולסווג תוכן על סמך ההעדפות שלך.
למה כדאי להשתמש במערכות המלצות?
כשיש לכם מנוע המלצות, קל יותר לגלוש בתוכן.
בנוסף, מערכת המלצות נהדרת עוזרת למשתמשים למצוא
דברים שהם לא חשבו שהם מחפשים בעצמם.
נראה לך שצריך לפזר למידת מכונה על כל מה שצריך.
זה אולי ייראה כך, אבל למעשה, יש הרבה יותר סיבות
לשימוש בלמידת מכונה.
ברצונך להפנות משתמשים לפריטים ממומנים.
אוי, זו לא סיבה נהדרת להשתמש בפתרון למידת מכונה (ML).
מהם הרכיבים העיקריים של מערכת המלצות?
יצירת מועמדים, ניקוד ודירוג מחדש
כל הכבוד! אלה שלושת הרכיבים העיקריים של כל מערכת המלצות.
הטמעה, מדדי דמיון והצגת מודעות
הרכיבים האלה קשורים למערכות המלצה, אבל הם לא הרכיבים הראשיים.
יצירת מטריצות, DNN ודירוג מחדש
בעוד שדירוג מחדש הוא רכיב, מטריצת מטריצות ו-DNN הם סוגים של מחוללי מועמדים.
אלא אם צוין אחרת, התוכן של דף זה הוא ברישיון Creative Commons Attribution 4.0 ודוגמאות הקוד הן ברישיון Apache 2.0. לפרטים, ניתן לעיין במדיניות האתר Google Developers. Java הוא סימן מסחרי רשום של חברת Oracle ו/או של השותפים העצמאיים שלה.
עדכון אחרון: 2024-07-26 (שעון UTC).
[null,null,["עדכון אחרון: 2024-07-26 (שעון UTC)."],[[["\u003cp\u003eRecommendation systems enhance content browsing and help users discover new items.\u003c/p\u003e\n"],["\u003cp\u003eRecommender systems are built with three primary components: candidate generation, scoring, and re-ranking.\u003c/p\u003e\n"],["\u003cp\u003eWhile machine learning is often associated with recommendation systems, using it solely to promote sponsored items is not recommended.\u003c/p\u003e\n"]]],[],null,["# Check your understanding\n\n\u003cbr /\u003e\n\nWhy would you use recommendation systems? \nHaving a recommendation engine makes browsing content easier. \nPlus, a great recommendation system helps users find things they wouldn't have thought to look for on their own. \nYou think you have to sprinkle ML on everything. \nIt might seem that way, but in reality, there are much better reasons to use ML. \nYou want to direct users to sponsored items. \nYikes, this is not a great reason to use any ML solution. \nWhat are the primary components of a recommender system? \ncandidate generation, scoring, and re-ranking \nNicely done! These are the three primary components of any recommendation system. \nembedding, similarity metrics, and serving \nThese elements are related to recommendation systems, but they are not primary components. \nmatrix factorization, DNN, and reranking \nWhile re-ranking is a component, matrix factorization and DNN are types of candidate generators."]]
