“杀熟杀豪与互联网推荐”-架构师之路年终总结

标签：距离   mamicode   如何   基于内容的推荐   关联规则推荐   关联   exce   总结   info   

《从电影推荐开始，聊协同过滤》

• 什么是协同过滤
• 协同过滤的3步骤
• 一张excel表格，秒懂协同过滤

《从职位推荐开始，聊内容推荐》

• 什么是基于内容的推荐
• 基于内容的推荐的3步骤
• 明明职位要求6000+，为啥会出3000+的推荐结果

《我不是潘金莲，聊相似性推荐》

• 没有用户行为数据，能不能做电影推荐
• 相似度推荐的简易原理与实现
• 如何计算《我不是潘金莲》与《芳华》的距离

《从啤酒与尿布，聊关联规则推荐》

• 什么是关联规则推荐
• 没有公式，也能秒懂支持度、置信度、提升度
• 一张excel表格，秒懂关联规则推荐

《“相同距离，不同价格”里的个性化推荐》

• 为什么相同起点，相同终点，价格却不同
• 用户分级，个性化推荐秒懂
• 杀熟与杀豪是个性化的两大利器

架构师之路-分享通俗易懂的技术文章

推荐阅读：
《“立体化监控告警平台”-年终总结（一）》
《“区块链与比特币”-年终总结（二）》

你被杀熟过么？

“杀熟杀豪与互联网推荐”-架构师之路年终总结

标签：距离   mamicode   如何   基于内容的推荐   关联规则推荐   关联   exce   总结   info   

原文地址：https://blog.51cto.com/jyjstack/2548862