首页
学习
活动
专区
工具
TVP
发布

MixLab科技+设计实验室

微信搜索mix-lab无界社区,人工智能&设计&科技,谈点设计,敲点代码,偶尔创作点人工智能实验产品。
专栏成员
584
文章
577238
阅读量
127
订阅数
算法入侵,不如拥抱、打造更好的个性化推荐系统?
此时此刻,算法正在监视着你。她们监视你去哪里、买了什么、遇见了谁,包括你的每一次呼吸、每一次心跳。
mixlab
2021-07-08
4910
年轻人逃离算法?更懂你的时尚推荐算法,你会拒绝吗?| FashionHack 专栏
推荐系统近年来被应用于各行各业,非常流行。推荐的对象包括:电影、短视频、音乐、新闻、书籍、学术论文、搜索查询。从让你掏空钱包还透支花呗的某宝,到让你刷到无法自拔的某音,眼看着“520节(ying)日(xiao)” 刚过, “618” 又开始提前预热了。
mixlab
2021-05-28
8400
推荐系统的可解释性到底需不需要?可解释性的UI应该是什么样的?
不管是身为设计师的你,还是做算法的同学,制作/参与推荐系统的时候,有没有想过与用户交互的界面应该是怎么样的才适合系统的「个性」?而作为可解释的推荐系统,解释性的信息应该如何在UI中呈现?以下是一些例子:
mixlab
2020-05-29
6200
我们是否需要一款个性化内容推荐引擎3.0
这事情要从这说起,抖音天天给我推美女,淘宝天天给我推剃须刀,银行天天给我发信用卡提额短信……
mixlab
2019-07-30
6550
写给设计师的人工智能指南:推荐系统
本期更新第6篇文章, 聊聊“推荐系统”。 推荐系统核心的是推荐算法,常用有这几种: 基于内容推荐 协同过滤推荐 基于关联规则推荐 基于效用推荐 基于知识推荐 组合推荐。 最常用的还是组合推荐 Hybrid Recommendation 由于各种推荐方法都有优缺点,所以在实际中,组合推荐经常被采用。 最简单的做法就是分别用基于内容的方法和协同过滤推荐方法去产生一个推荐预测结果,然后用某方法组合其结果。 用的最多的是协同过滤算法,这也是本文要重点介绍的。 协同过滤推荐 Collaborative Filteri
mixlab
2018-04-16
1K0
写给设计师的人工智能指南:如何找出相似的文章
聊聊文本挖掘中的 “找出相似的文章”, 为“推荐系统”做准备。 以下为正文。 先了解下文本挖掘的一般过程。 如何让计算机读懂一段文字? 本质上要解决的是从文字中提取计算机可以理解的特征, 然后把文本特
mixlab
2018-04-16
1.1K0
没有更多了
社区活动
【纪录片】中国数据库前世今生
穿越半个世纪,探寻中国数据库50年的发展历程
Python精品学习库
代码在线跑,知识轻松学
博客搬家 | 分享价值百万资源包
自行/邀约他人一键搬运博客,速成社区影响力并领取好礼
技术创作特训营·精选知识专栏
往期视频·千货材料·成员作品 最新动态
领券
问题归档专栏文章快讯文章归档关键词归档开发者手册归档开发者手册 Section 归档