推薦系統的重要因素：推薦系統本身，介面展示，使用者行為資料
介面的一些特性：
資料收集與儲存
推薦系統聯絡使用者和物品的方式主要有3種：
抽象來看，可以認為使用者和物品通過特徵進行聯絡。因此可以設計一種基於特徵的推薦系統。
據此，推薦系統的核心任務就被拆解成兩部分，乙個是如何為給定使用者生成特徵，另乙個是如何根據特徵找到物品。
使用者特徵種類包括：
因為需要將使用者特徵和推薦任務種類綜合考慮，推薦系統需要由多個推薦引擎組成，每個推薦引擎負責一類特徵和一種任務，而推薦系統的任務只是將推薦引擎的結果按照一定權重或者優先順序合併、排序然後返回。這樣，即可以方便地增加/刪除引擎，控制不同引擎對推薦結果的影響，也可以實現推薦引擎級別的使用者反饋。
推薦引擎架構分為三部分：
生成特徵主要考慮如下因素：
3.4.1 新穎度排名
3.4.2 多樣性
增加多樣性的方法：
控制不同推薦結果的推薦理由出現的次數
3.4.3 時間多樣性
增加時間多樣性的方法：
3.4.4 使用者反饋
第七章讀書筆記
儘管linux 驅動直接與硬體打交道，但並不是 linux 驅動直接向硬體中的記憶體寫資料，而是與本機的 i o記憶體進行互動。所謂 i o記憶體是通過各種介面連線到主機的硬體在主機記憶體中的對映。led驅動與 word count 驅動的實現步驟類似，只是某些功能使用了不同的實現方法。對於解除安裝...
推薦系統實踐讀書筆記
最近大概複習了一下這本書，了解了較早的推薦系統的一些方法，記錄如下，以便大家對本書內容有個快速地了解。略去了第一張，詳細的 和細節可以參考其他部落格。需要關注的地方直接標出了頁碼。書裡面的 不是很完整，用來學習還可以。第八章介紹了一些svd等機器學習的演算法，在2020年的今天可以回顧一下。推薦系統...
《推薦系統實踐》讀書筆記4
為什麼要研究系統的時間特性？不同系統有不同的時效性，有的系統物品的時效性很短，熱起來，很快會冷下去 而有的系統物品的時效性長，具有比較長的生命週期。研究系統的時間特性，能增強系統的有效性推薦。比如推薦新聞，會主要選擇最近時間段發生的新聞事件進行推薦 而推薦旅遊景點，時效性較長 有些也有季節性變化 則...