物尽其用-让推荐系统成为你学习的助手
具体的一个实例是，这些天在琢磨着Tensorflow的学习，通过sougo来对微信公众号里的内容进行检索，获得了不少有益的文章。但微信公众号成为内容的主阵地也是有好处的，资源集中，也便于搜索引擎的挖掘。不过这种获取信息的方式其实是有一定问题的，也就是他是一种被动的关键字检索。而且短期内前几页的排名不会有变化，如果有新的合适的内容产生，我很难获取到。这个时候我想到了推荐，而推荐我则想到了今日头条。
今日头条之前安装过，但是终究觉得“品味”太Low,而且有一定的成瘾性，所以我就果断的删除了。没想到这次可以利用上它。使用今日头条，主要基于如下考虑：
- 比如我要学习tensorflow，那么其实我还要了解Python，传统的机器学习，以及深度学习理论。推荐系统一般都是基于内容而非关键字，并且新产生的相关内容很快会推荐给我，甚至还有可能有惊喜。
- 我也不知道我具体需要什么，我只是一个大致的方向，比如tf相关的，纯粹的深度学习理论也行
- 系统需要不断的试探我，我只要简单给出是或者否(点击或者不点击)，然后越来越合我的口味就好
于是我开始了实际的操作。首先我需要想办法告诉今日头条，我想看tensorflow相关的内容，或者深度学习，图像相关也行，所以我需要播撒种子。具体的办法是，我在输入框检索了tensorflow关键字，然后只是通过查看标题，点击了一些我喜欢的内容。
接着我进入推荐页（也就是今日头条的首页），发现效果并不是非常好，不断的刷新，偶尔才会出现一两篇机器学习相关的文章。于是我在想，可能需要在推荐流里点击内容才会形成反馈，所以我不断刷新，看到机器学习或者python之类的，我就点击，加上之前搜索的，一共点击了48篇文章。
之后查看推荐的信息流，得到了反馈，机器学习，大数据以及编程的内容开始显著增多。
我又多刷了几次，再看两张图：
这个效果已经比之前好很多了。为了防止出现内容过于单一，推荐系统其实一般都有相应的机制去抵消这种作用，并且时间过短，很可能无法对推荐系统的长期用户画像产生影响，所以我们可能需要花较多的时间，进一步的调教今日头条。
其实这里我们可以看到，未来人们进入并且学习一个新的领域的知识，推荐会变成一个很好的助手。事实上，对于解决特定的问题，推荐也是非常合适的。搜索缺乏一个Session（会话），缺乏一个反馈，当我们解决一个问题的时候，推荐会不断的去尝试理解你（给你推出它认为你需要的内容），然后根据你的反馈，点击或者不点击，来调整自己，从而给出新的尝试，直到解决你的问题。而且推荐系统底层一般都坐拥海量的内容，它知道的很多。
物尽其用-让推荐系统成为你学习的助手相关推荐
- 当推荐系统遇上图学习：基于图学习的推荐系统最新综述
©作者|Shoujin Wang 单位|麦考瑞大学博士后 研究方向|数据挖掘,机器学习,推荐系统 论文简介 本文给大家介绍一篇被今年国际人工智能联合会议 IJCAI 2021 接收的从图机器学习的视角 ...
- 推荐系统CTR预估学习路线：引入注意力机制
推荐系统CTR预估学习路线:从LR到FM/FFM探索二阶特征的高效实现 推荐系统CTR预估学习路线:利用树模型自动化特征工程 推荐系统CTR预估学习路线:深度模型 推荐系统CTR预估学习路线:引入注意 ...
- 推荐系统CTR预估学习路线：深度模型
推荐系统CTR预估学习路线:从LR到FM/FFM探索二阶特征的高效实现 推荐系统CTR预估学习路线:利用树模型自动化特征工程 推荐系统CTR预估学习路线:深度模型 推荐系统CTR预估学习路线:引入注意 ...
- 推荐系统领域对比学习和数据增强论文及代码集锦
对比学习和数据增强是近年各领域关注度较高的研究方向,在推荐系统领域也是如此,并取得了众多成果.本文汇总了推荐系统领域对比学习和数据增强的最新论文和代码,涵盖 SIGIR.SIGKDD.RecSys.C ...
- 推荐系统与深度学习（二）——FFM模型原理
作者:livan 来源:数据python与算法 前言 上一篇我们讲解了FM模型: 推荐系统与深度学习(一)--FM模型原理 从FM的公式我们可以看出: FM中每个特征所对应的向量是唯一的: Vi是Xi ...
- 推荐系统与深度学习（一）开端
推荐系统与深度学习开端
- sparkmllib 推荐系统实现（学习）
sparkmllib 推荐系统实现 sparkmllib 推荐系统实现 一.构建训练模型 二.构建数据逻辑(圈子/视频) 三.接收消息,记录用户对数据操作并记录保存到mongoDB, 四.推荐逻辑实现 ...
- 当推荐系统邂逅深度学习
前言 这是一篇关于讲述推荐系统邂逅深度学习故事的文章. 推荐系统之于用户的角色,有时更像是无微不至的男朋友,你口渴时递给你符合口味的饮料,你饥饿时还你以常吃的披萨,你无聊时帮你推荐有趣的音乐亦或带你欣 ...
- 推荐系统经典论文学习
传统:大量特征工程 FM:使用隐向量内积来建模组合特征,利用MF解决了数据稀疏的情况下的特征组合问题 深入理解FFM原理与实践 FFM:在FM的基础上引入了field的概念,在不同的field上使用不 ...
最新文章
- 内存接口芯片，服务器平台，PCIe 芯片
- Android 下载文件并显示进度条
- python and or 优先级
- 数据科学家常用的十大机器学习算法，都在这了！
- python3 console input_Python console.colorize方法代码示例
- linkedlist(c语言_简单实现)
- linux 内核修改rss,linux 内核参数 rss
- 如何创建HTML Mashup并插入到SAP Cloud for Customer标准页面里
- workaround for %33 texture memory bug
- 不，保持警惕不会伤害Java。 关于Java许可的评论。
- bitcount java_Java.math.BigInteger.bitCount()方法实例
- TensorFlow | ReluGrad input is not finite. Tensor had NaN values
- linux 信号 --- 产生 阻塞 捕捉
- 【语音分析】基于matlab语音线谱对转换【含Matlab源码 560期】
- 网络代理服务器工作原理
- adobe creative cloud的开机自启如何阻止
- YOLOV3训练环境的搭建
- 使用docker搭建couchbase集群
- web测试中如何简单定位bug
- VS2019怎么运行cpp文件