Sprawdź swoją wiedzę
Zadbaj o dobrą organizację dzięki kolekcji
Zapisuj i kategoryzuj treści zgodnie ze swoimi preferencjami.
Dlaczego warto korzystać z systemów rekomendacji?
Zastosowanie mechanizmu rekomendacji ułatwia przeglądanie treści.
Świetny system rekomendacji ułatwia też użytkownikom znalezienie rzeczy, które sami nie wymyśliliby samodzielnie.
Wydaje Ci się, że wszystko, co trzeba, możesz uzupełnić za pomocą systemów uczących się.
Może się to wydawać, ale w rzeczywistości jest znacznie więcej powodów, dla których warto używać systemów uczących się.
chcesz kierować użytkowników do produktów sponsorowanych;
To nie jest dobry powód do korzystania z systemu uczącego się.
Jakie są główne komponenty systemu rekomendacji?
zdobywanie, ocenianie i pozytywne oceny kandydatów
Brawo! To są 3 główne komponenty dowolnego systemu rekomendacji.
umieszczanie, dane o podobieństwach i wyświetlanie reklam
Te elementy są powiązane z systemami rekomendacji, ale nie są głównymi komponentami.
czynnik matrycy, nazwa wyróżniająca i ranking
Zmiana pozycji w rankingu jest komponentem, ale matryca matrycy i DNN to typy generatorów kandydatów.
O ile nie stwierdzono inaczej, treść tej strony jest objęta licencją Creative Commons – uznanie autorstwa 4.0, a fragmenty kodu są dostępne na licencji Apache 2.0. Szczegółowe informacje na ten temat zawierają zasady dotyczące witryny Google Developers. Java jest zastrzeżonym znakiem towarowym firmy Oracle i jej podmiotów stowarzyszonych.
Ostatnia aktualizacja: 2024-07-26 UTC.
[null,null,["Ostatnia aktualizacja: 2024-07-26 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."]]
