#推荐系统
共 12 篇相关文章
协同过滤实战：UserCF与ItemCF五维对比与选型指南
从第一性原理拆解协同过滤两大分支UserCF与ItemCF，给出数据重心、实时性、可解释性、冷启动、稳定性五维对比，附工程实现要点、与内容向量融合方案及常见陷阱，帮助团队在内容平台与电商场景做出正确选型。
量子机器学习做内容推荐：参数量仅为BiLSTM的1/379
量子机器学习推荐系统研究：基于QNLP框架将节目简介映射为变分量子电路，参数量仅47k，比BiLSTM少379倍，并在Quantinuum H2量子硬件上验证了相似度信号的可保留性。
生产环境中的10大排序算法：从规则到Learning-to-Rank
深度解析生产环境中常用的10种排序算法，从规则引擎、加权评分、BM25、协同过滤到Learning-to-Rank，揭示YouTube、LinkedIn、Pinterest等系统的多阶段排序架构与选型指南。
从Netflix推荐看机器学习的日常应用
Netflix推荐系统是机器学习最贴近生活的范例。本文解析协同过滤、基于内容推荐等核心原理，帮助你理解AI如何融入日常产品体验。
Yandex的Sona：无需手工特征的生成式音乐推荐系统解析
Yandex推出生成式音乐推荐系统Sona，无需手工特征，直接从原始交互日志学习。本文解析其Semantic ID构建、Qwen2.5-Omni分词器、InfoNCE对比学习与Teacher-Student蒸馏机制。
Yandex Sona：单个Transformer取代15+推荐组件的工程实践
Yandex Music推出Sona，用单个Transformer取代15+候选生成器、预排序与排序模型。A/B测试显示活跃用户+4.53%、收听时长+6.30%，并通过History Compression将长序列推理成本减半。
实时零售智能：用Lakebase与AI搜索构建电商推荐系统
基于 Databricks 平台，结合 Lakebase 在线数据服务与 AI Search 向量检索，构建低延迟、语义化的实时电商推荐系统，让数据平台直接驱动个性化营收转化。
HSTU生成式推荐系统部署实战：NVIDIA Dynamo-Triton详解
NVIDIA发布基于HSTU架构的生成式推荐系统部署方案，结合Dynamo-Triton推理框架实现工业级个性化推荐。本文解析生成式推荐范式、HSTU技术特点及生产部署的关键考量。
Instinct上线人工推荐功能引争议：用户不满未经请求的建议
Instinct推出人工精选的产品与旅行推荐功能，却因未经用户请求的推送引发反感。本文分析用户抵触背后的产品心理，探讨人工推荐与算法推荐的边界问题。
Spotify对话式推荐Agent实战：合成数据与自优化闭环
Spotify发布对话式推荐Agent实战论文，通过多轮合成数据生成和自优化闭环，解决冷启动下的Agent规划难题。线上A/B测试显示用户收听量+14%、周活+5%、跳过率降5%，为工业界构建对话式AI系统提供实用框架。
从评分到检索：一本面向初学者的推荐系统实战书籍与免费代码
一位开发者开源了推荐系统入门书《From Ratings to Retrieval》的完整可运行代码，涵盖评分预测、双塔检索、SASRec、GNN 到 LLM 推荐系统，所有数据基于 MovieLens-100K 实测，GitHub 免费获取。
教程攻略Go语言构建AI Agent生成式推荐系统：架构设计与实战解析
深度解析基于Go语言和大语言模型的生成式推荐系统开源项目，涵盖三级语义理解、三层用户记忆架构、五维反馈体系等核心设计，为AI Agent开发者提供从零到一的实战参考。