tag 推薦系統

標籤
貢獻10
24
09:11 AM · Nov 17 ,2025
u_15745565 頭像 deephub 頭像 vivo_tech 頭像 u_14291117 頭像 turing_interview 頭像 1d1d1d1d1d1d1d1d_6671403974cb4 頭像 ziwupython 頭像 u_15903730 頭像 u_16099200 頭像 qishilingrendemaojin 頭像

@推薦系統 / 博客 RSS 訂閱

deephub 頭像

deephub - 從零構建短視頻推薦系統：雙塔算法架構解析與代碼實現

刷短視頻本來只想看幾分鐘，不知不覺一個多小時就沒了。每條視頻都恰好戳中你的興趣點，這種精準推送背後其實是一套相當複雜的工程架構。 這種"讀心術"般的推薦效果並非偶然。驅動這種短視頻頁面的核心引擎，正是業內廣泛採用的雙塔推薦系統（Two-Tower Recommendation System）。 本文將從技術角度剖析：雙塔架構的工作原理、為何在短視頻場景下表現卓越，以及如何構建一套類似的推薦系統。

推薦系統 , 神經網絡 , 知識 , 人工智能 , 深度學習

收藏 評論

u_15745565 頭像

畢設大神 - 基於微信小程序的個性化漫畫閲讀推薦系統的設計與實現-計算機畢業設計源碼+LW文檔

摘 要 本文精心設計併成功實現一個依託微信小程序的個性化漫畫閲讀推薦系統。在當下，移動互聯網技術不斷髮展演進，線上漫畫閲讀市場隨之愈發繁榮起來，與此同時，用户對於個性化閲讀體驗的需求也在一天天不斷增加。該系統在後端的構建上採用SpringBoot框架以及Java技術，把微信小程序當作前端界面，並且運用MySQL數據庫來完成數據的存儲工作。系統打造出管理員、作家以及用户這三大

推薦系統 , 協同過濾 , 後端開發 , JAVA , 推薦算法

收藏 評論

vivo_tech 頭像

vivo互聯網技術 - Flink 的 RocksDB 狀態後端在 vivo 的實踐

作者： 互聯網大數據團隊- Chen Rui 本文簡要介紹了特徵拼接在實時推薦中的重要作用，並講述了vivo實時推薦系統中特徵拼接模塊的架構演進過程以及採用現有的“基於RocksDB的大狀態解決方案”的原因，重點敍述了該方案所遇到的一系列問題，包括TM Lost、RocksDB性能調優門檻高、TM初始化慢、狀態遠程存儲HDFS RPC飆高等，並給出了這些問題的現象以及解決方案。 1分鐘看圖

大數據 , 推薦系統 , 內存泄漏 , RocksDB

收藏 評論

u_14291117 頭像

vivo互聯網 - Flink 的 RocksDB 狀態後端在 vivo 的實踐

作者： 互聯網大數據團隊- Chen Rui 本文簡要介紹了特徵拼接在實時推薦中的重要作用，並講述了vivo實時推薦系統中特徵拼接模塊的架構演進過程以及採用現有的“基於RocksDB的大狀態解決方案”的原因，重點敍述了該方案所遇到的一系列問題，包括TM Lost、RocksDB性能調優門檻高、TM初始化慢、狀態遠程存儲HDFS RPC飆高等，並給出了這些問題的現

Apache Flink , 大數據 , 推薦系統 , 私藏項目實操分享 , 數據倉庫 , 內存泄漏 , RocksDB

收藏 評論

turing_interview 頭像

圖靈訪談 - Hulu（北京）推薦算法負責人周涵寧：怎樣應對基於深度學習的視頻推薦系統

本文僅用於學習和交流目的，不得用於商業目的。非商業轉載請註明作譯者、出處，並保留本文的原始鏈接：http://www.ituring.com.cn/art... 周涵寧，本科畢業於清華大學自動化系，於美國伊利諾伊大學香檳分校獲得計算機視覺領域博士學位。 曾擔任富士施樂硅谷研究中心研究員、亞馬遜總部高級技術經理、盛大創新院資深研究員兼產品經理、智谷研發VP和寶寶樹的CTO等。 現任Hulu北

推薦系統 , 算法 , 圖靈訪談 , 視頻直播 , 深度學習

收藏 評論

1d1d1d1d1d1d1d1d_6671403974cb4 頭像

3Q聊工具 - 2025年5大性價比高的敏捷開發項目管理軟件全評測！

為什麼你需要這篇評測？ 如果你是一位項目經理，或正帶領團隊嘗試敏捷開發，一定經歷過這些糾結： 明明只需要基礎迭代管理，卻被工具裏冗餘的報表功能“綁架”，學習成本高到想放棄； 團隊剛20人，試用某國際大牌工具的“企業版”報價單，發現年費夠招半個測試工程師； 想找一款“夠用、不貴、適配國內協作習慣”的工具，翻遍評測貼卻總看到“XX最好用”的絕對結論？ 2025年，敏捷開發早已從互聯網行業的“

項目管理工具 , 項目管理 , 項目管理軟件 , 敏捷開發 , 推薦系統

收藏 評論

ziwupython 頭像

子午 - 商品購物管理與推薦系統Python+Django網頁界面+協同過濾推薦算法

一、介紹 商品管理與推薦系統。本系統使用Python作為主要開發語言，前端採用HTML、CSS、BootStrap等技術搭建顯示界面，後端採用Django框架處理用户的請求響應。 創新點：使用協同過濾算法，以用户對商品的評分作為依據，在猜你喜歡界面中實現對當前登錄用户的個性化推薦。 主要功能有： 系統分為用户和管理員兩個角色。 用户可以登錄、註冊、查看商品、購買商品、添加購物車、

推薦系統 , 網站開發 , 協同過濾 , django , Python

收藏 評論

u_15903730 頭像

WangLanguager - 矩陣分解（Matrix Factorization）介紹和代碼示例

矩陣分解（Matrix Factorization）介紹 矩陣分解是一種常用的推薦系統技術，旨在通過將用户-物品評分矩陣分解為兩個低維矩陣（用户特徵矩陣和物品特徵矩陣）來發現潛在的用户偏好和物品特性。這種方法能夠有效處理稀疏數據，常用於協同過濾推薦系統。 基本原理 評分矩陣：通常是一個稀疏矩陣，其中行表示用户，列表示物品，元素

yyds乾貨盤點 , 初始化 , 推薦系統 , 矩陣分解 , Css , 前端開發 , HTML

收藏 評論

u_16099200 頭像

數據探索者 - ali embedding

[阿里DIN]從論文源碼學習 之 embedding_lookup 文章目錄 [阿里DIN]從論文源碼學習 之 embedding_lookup 0x00 摘要 0x01 DIN代碼 1.1 Embedding概念 1.2 在DIN中的使用 1.3 問題

機器學習 , DIN , 推薦系統 , CTR , embedding , ali embedding , 人工智能

收藏 評論

u_15745565 頭像

畢設大神 - 基於用户評論主題挖掘的旅遊景點推薦系統-計算機畢業設計源碼+LW文檔

摘 要 近年來旅遊業迅猛發展，眾多研究領域都關注着怎樣利用智能技術優化遊客出行體驗這一熱點問題，通過系統分析遊客評論信息、提取核心主題內容能讓景區推薦得到更科學合理的支撐，本系統就在這種背景下被設計開發出來，深度處理評論數據，構建了一個集旅遊景點推薦和信息管理於一體的綜合服務平台。 用户端與管理端構成了系統整體架構的主要部分，用户端有首頁展示、景點信息瀏覽、評論互動

數據 , 推薦系統 , 後端開發 , JAVA , 情感分析

收藏 評論

u_15745565 頭像

畢設大神 - 基於數據挖掘的高考志願推薦系統的設計與實現-計算機畢業設計源碼+LW文檔

摘 要 隨着高考志願填報需求的日益增長，基於數據挖掘的高考志願推薦系統應運而生。該系統採用 Python 語言開發，依託 Django 框架與 MySQL 數據庫，構建了一個功能完備的平台。系統首頁為用户提供了直觀的導航與信息概覽。學生模塊支持學生信息管理，便於個性化服務。高校信息與專業信息模塊則整合了豐富的院校與專業數據，為學生提供全面的參考。高考志願模塊結合歷年數據與數

數據 , MySQL , 推薦系統 , 後端開發 , JAVA

收藏 評論

u_15745565 頭像

畢設大神 - 基於協同過濾算法的運動場館服務平台設計與實現-計算機畢業設計源碼+LW文檔

摘要 在運動行業蓬勃發展以及數字化轉型加速的背景下，運動場館服務的高效管理與個性化體驗需求日益凸顯。傳統的運動場館管理方式效率低下，難以滿足用户多樣化需求，而新興的數字化平台能夠整合資源，提升服務質量與運營效率。因此，開發一個功能完善、體驗良好的運動場館服務平台具有重要的現實意義。 本平台的開發有諸多技術要求。後端採用Java語言與Sprin

數據 , 推薦系統 , 後端開發 , 協同過濾算法 , JAVA

收藏 評論

qishilingrendemaojin 頭像

氣勢凌人的毛巾 - Flink 的 RocksDB 狀態後

​1分鐘看圖掌握核心觀點👇 ​ 一、背景 在推薦系統中，樣本拼接是銜接在線服務與算法模型的重要一個環節，主要職責是樣本拼接和業務相關的ETL處理等，模塊位置如下圖紅框所示。 ​ 推薦系統通過學習埋點數據來達到個性化精準推薦的目的，因此需要知道服務端推薦下發的內容，是否有一系列的行為(曝光，點擊，播放，點贊，收藏，加購等等)，把被推薦內容的埋點數據與當下的特徵拼接起來的

大數據 , 推薦系統

收藏 評論