研究人员发现,果蝇在分辨相似气味方面具有十分独特的机制,可以有效区分不同类别的气味,所采用的是一种类似于locality-sensitive hashing的方法。该方法可以看作是KNN的一个变体,所以对于推荐系统的实现来说,可能是有价值的。果蝇的方法核心是将输入映射到高维空间,保留尽可能多的信息,从而更好地计算物品的相似度。如何利用果蝇的气味分类方法来构建高效的推荐系统,查看:https://www.sciencealert.com/fruit-fly-brains-could-power-netflix-recommendations-search-engines
使用R语言构建一个融合了物品内容和协同过滤的混合方法:https://www.datasciencecentral.com/profiles/blogs/hybrid-content-based-and-collaborative-filtering-recommendations
算法和数据,哪一个更重要?https://www.datasciencecentral.com/profiles/blogs/data-or-algorithms-which-is-more-important
基于Reviews和Linked Data (知识图谱)的内容推荐系统:https://arxiv.org/abs/1709.09973
Wikipedia上标记为good+的文章数量只有不到1%,而有37%的只是存根而已,如何有效地扩展这些文章,并保证相应的质量?https://upload.wikimedia.org/wikipedia/commons/c/ca/Research_Showcase_December_2017.pdf
图片来自网络:数据重要,还是算法重要呢?
领取专属 10元无门槛券
私享最新 技术干货