Teste seu conhecimento
Mantenha tudo organizado com as coleções
Salve e categorize o conteúdo com base nas suas preferências.
Por que você usaria sistemas de recomendação?
Ter um mecanismo de recomendação facilita a navegação no conteúdo.
Além disso, um ótimo sistema de recomendações ajuda os usuários a encontrar coisas que eles
não deveriam considerar por conta própria.
Você acha que precisa eliminar o ML em tudo.
Pode parecer dessa forma, mas, na realidade, há motivos muito melhores
para usar ML.
Você quer direcionar os usuários para itens patrocinados.
E isso não é um bom motivo para usar uma solução de ML.
Quais são os principais componentes de um sistema de recomendação?
geração, pontuação e nova classificação de candidatos
Correto! Esses são os três componentes principais de qualquer
sistema de recomendação.
embedding, métricas de semelhança e exibição
Esses elementos estão relacionados a sistemas de recomendação, mas não
são componentes principais.
fatoração de matriz, DNN e reclassificação
Embora a nova classificação seja um componente, a fatoração de matriz e a DNN são tipos
de geradores candidatos.
Exceto em caso de indicação contrária, o conteúdo desta página é licenciado de acordo com a Licença de atribuição 4.0 do Creative Commons, e as amostras de código são licenciadas de acordo com a Licença Apache 2.0. Para mais detalhes, consulte as políticas do site do Google Developers. Java é uma marca registrada da Oracle e/ou afiliadas.
Última atualização 2024-07-26 UTC.
[null,null,["Última atualização 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."]]
