Menguji pemahaman Anda
Mengapa Anda perlu menggunakan sistem rekomendasi?
Anda merasa harus menaburkan segala sesuatu di ML.
Mungkin seperti itu, tetapi pada kenyataannya, ada alasan yang jauh lebih baik untuk menggunakan ML.
Memiliki mesin pemberi saran akan mempermudah penjelajahan konten.
Selain itu, sistem rekomendasi yang bagus juga membantu pengguna menemukan hal yang belum pernah mereka cari sendiri.
Anda ingin mengarahkan pengguna ke item bersponsor.
Astaga, ini bukan alasan yang bagus untuk menggunakan solusi ML apa pun.
Apa saja komponen utama sistem pemberi rekomendasi?
pembuatan, penskoran, dan peringkat ulang kandidat
Selamat! Ini adalah tiga komponen utama dari setiap sistem rekomendasi.
faktorisasi matriks, DNN, dan pengurutan ulang
Meskipun peringkat ulang adalah komponen, faktorisasi matriks dan DNN adalah jenis
generator kandidat.
penyematan, metrik kesamaan, dan penayangan
Elemen ini terkait dengan sistem rekomendasi, tetapi bukan merupakan komponen utama.
Kecuali dinyatakan lain, konten di halaman ini dilisensikan berdasarkan Lisensi Creative Commons Attribution 4.0, sedangkan contoh kode dilisensikan berdasarkan Lisensi Apache 2.0. Untuk mengetahui informasi selengkapnya, lihat Kebijakan Situs Google Developers. Java adalah merek dagang terdaftar dari Oracle dan/atau afiliasinya.
Terakhir diperbarui pada 2024-07-26 UTC.
[null,null,["Terakhir diperbarui pada 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."]]],[]]
