Index of /geekbang/30-推荐系统三十六式/03-第2章 原理篇 (20讲)/

../
【MAB问题】如何将Bandit算法与协同过滤结合使用.html                   17-May-2023 03:34             1702319
【MAB问题】简单却有效的Bandit算法.html                         17-May-2023 03:34             1586157
【MAB问题】结合上下文信息的Bandit算法.html                       17-May-2023 03:34             1274083
【其他应用算法】实用的加权采样算法.html                             17-May-2023 03:34             1227068
【其他应用算法】推荐候选池的去重策略.html                            17-May-2023 03:34             2064460
【其他应用算法】构建一个科学的排行榜体系.html                          17-May-2023 03:34             1543142
【内容推荐】从文本到用户画像有多远.html                             17-May-2023 03:34             1324935
【内容推荐】画鬼容易画人难：用户画像的“能”和“不能”.html                   17-May-2023 03:34             1812550
【内容推荐】超越标签的内容推荐系统.html                             17-May-2023 03:34             1692471
【模型融合】一网打尽协同过滤、矩阵分解和线性模型.html                      17-May-2023 03:34             1550906
【模型融合】深度和宽度兼具的融合模型 Wide and Deep.html              17-May-2023 03:34             2573852
【模型融合】经典模型融合办法：线性模型和树模型的组合拳.html                   17-May-2023 03:34             1812773
【深度学习】深度学习在推荐系统中的应用有哪些.html                        17-May-2023 03:34             1771673
【深度学习】用RNN构建个性化音乐播单.html                           17-May-2023 03:34             2199772
【矩阵分解】Facebook是怎么为十亿人互相推荐好友的.html                  17-May-2023 03:34             1619744
【矩阵分解】如果关注排序效果，那么这个模型可以帮到你.html                    17-May-2023 03:34             1984093
【矩阵分解】那些在Netflix Prize中大放异彩的推荐算法.html              17-May-2023 03:34             1368333
【近邻推荐】人以群分，你是什么人就看到什么世界.html                       17-May-2023 03:34             1349677
【近邻推荐】协同过滤中的相似度计算方法有哪些.html                        17-May-2023 03:34             2172882
【近邻推荐】解密“看了又看”和“买了又买”.html                         17-May-2023 03:34             1598170