我們在幫助紐約時報（The New York Times，以下簡稱NYT）開發一套基於內容的推薦系統，大家可以把這套系統看作一個非常簡單的推薦系統開發示例。依託使用者近期的文章瀏覽資料，我們會為其推薦適合閱讀的

選自arXiv，作者：Rohan Ramanath 等，機器之心編譯，參與：路、王淑婷。 本文介紹了領英利用深度表徵學習模型來提升人才搜尋和推薦系統。 領英徵才解決方案（LinkedIn Talent

PredictionIO 是一個用Scala編寫的開源機器學習伺服器應用，可以幫助你方便地使用RESTFul API搭建推薦引擎。 PredictionIO的核心使用的是一個可伸縮的機器學習庫，基於Spark一

深度學習 應用甚廣 ，在諸多方面的表現，如影象分割、時序預測和自然語言處理，都優於其他機器學習方法。以前，你只能在 學術論文 或者大型 商業公司 中看到它的身影，但如今，我們已能利用自己的電腦進行深度學習計算

在第二部分，我們總結MLP基礎上的推薦系統，我在這裡只截取了原文的一部分內容。這篇部落格中所使用的註解字元和參考文獻目錄可以在 基於深度學習的推薦系統（一）Overview 中找到。我們把這些工作分為如下幾部

這是對近年來基於深度學習的推薦系統的內容的一份綜述，具體來說，大部分內容來自 Deep Learning based Recommender System: A Survey and New Perspect

網路中的資訊量呈現指數式增長，隨之帶來了資訊過載問題。推薦系統是大資料時代下應運而生的產物，目前已廣泛應用於電商、社交、短視訊等領域。本文將針對推薦系統中基於隱語義模型的矩陣分解技術來進行討論。 N

本文將利用python構建一個簡單的推薦系統，在此之前讀者需要對pandas和numpy等資料分析包有所瞭解。 什麼是推薦系統？ 推薦系統的目的是通過發現數據集中的模式，為使用者提供與之最為相關的資訊。當你訪問

機器之心 轉載 2018/10/07 12:41 推薦系統頂會 RecSys2018 最佳論文獎出爐！因果嵌入推薦與使用者研究成為焦

To Be Continued也就是繼續播放模式，在國外比較常見。這篇文章的原文來自To Be Continued。這不是完全和完整的翻譯稿，而是我個人認為的重要部分。如果發現有任何侵權行為。請聯絡我。

本文主要總結和翻譯自 Learning a Personalized Homepage 。但這並不是完全和完整的翻譯稿。 正如我們在之前的部落格文章中所描述的那樣，在Netflix，我們廣泛使用個性化，

“empty brown theater chairs” by Tyler Callahan on Unsplash 你是否有過這樣的疑惑：為什麼Netflix，Amazon，Google總能推薦到你

原文來自 Innovating Faster on Personalization Algorithms at Netflix Using Interleaving 。如發現任何侵權行為，請聯絡我。 N

A review on deep learning for recommender systems: challenges and remedies @somtian 推薦 #Reco

最近，流媒體音樂服務平臺Spotify與基因測試公司Ancestry.com進行合作，使用者關聯帳號之後，可以通過基因測試的結果給得到個性化音樂的推薦。如果使用者有西班牙血統，Spotify將推薦弗朗明哥舞曲，