Kiểm tra mức độ hiểu biết của bạn
Sử dụng bộ sưu tập để sắp xếp ngăn nắp các trang
Lưu và phân loại nội dung dựa trên lựa chọn ưu tiên của bạn.
Tại sao bạn nên sử dụng hệ thống đề xuất?
Việc có công cụ đề xuất giúp duyệt nội dung dễ dàng hơn.
Thêm vào đó, một hệ thống đề xuất tuyệt vời sẽ giúp người dùng tìm thấy nội dung mà họ không nghĩ đến.
Bạn nghĩ rằng mình phải lắc công nghệ máy học vào mọi thứ.
Có vẻ như vậy, nhưng trên thực tế, có rất nhiều lý do để sử dụng công nghệ máy học.
Bạn muốn chuyển hướng người dùng đến các mục được tài trợ.
Rất tiếc, đây không phải là lý do tuyệt vời để sử dụng bất kỳ giải pháp máy học nào.
Các thành phần chính của hệ thống đề xuất là gì?
tạo đề xuất, tính điểm và xếp hạng lại
Rất tốt! Đây là ba thành phần chính của mọi hệ thống đề xuất.
tính năng nhúng, chỉ số tương tự và việc phân phát
Các phần tử này liên quan đến hệ thống đề xuất nhưng không phải là thành phần chính.
yếu tố ma trận, DNN và xếp hạng lại
Mặc dù việc xếp hạng lại là một thành phần, nhưng nhân tố ma trận và DNN là các loại của trình tạo ứng viên.
Trừ phi có lưu ý khác, nội dung của trang này được cấp phép theo Giấy phép ghi nhận tác giả 4.0 của Creative Commons và các mẫu mã lập trình được cấp phép theo Giấy phép Apache 2.0. Để biết thông tin chi tiết, vui lòng tham khảo Chính sách trang web của Google Developers. Java là nhãn hiệu đã đăng ký của Oracle và/hoặc các đơn vị liên kết với Oracle.
Cập nhật lần gần đây nhất: 2024-07-26 UTC.
[null,null,["Cập nhật lần gần đây nhất: 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."]]