换个图床,PS: 500年前看过的店说的是 旁边有写一行 "最近浏览: 181114天前"
1
est 2018-01-06 21:15:45 +08:00 3
降维大力出悲剧
|
2
Morriaty 2018-01-06 21:21:43 +08:00
目测是因为程序员里的女装大佬越来越多了,由协同过滤推荐产生的。
|
3
just1 2018-01-06 21:35:03 +08:00 via Android
找到你的前世今生
|
5
wjm2038 2018-01-06 22:43:43 +08:00 via Android
淘宝前世啊
|
6
580a388da131 2018-01-06 23:03:30 +08:00
图片炸了
|
7
Tianao 2018-01-06 23:07:44 +08:00 via iPhone
我买自锁带还给我推荐 SM 用具呢……
|
9
akira 2018-01-06 23:13:45 +08:00
统计所有买了某个产品的人,后续继续买了什么产品,就可以拿来推荐了啊。
进一步的话,就是按不同画像的人来推荐,这种东西,随便一个广告系统应该都有的了 |
10
cuzfinal 2018-01-06 23:47:39 +08:00 via Android
我买了丁香茶后就给我推荐普洱,奶茶和裙子。
|
11
guana 2018-01-06 23:49:23 +08:00
协同过滤 user-based collaborative filter recommendation system
|
12
qfdk 2018-01-07 01:10:13 +08:00 via iPhone
给你买过的东西都打上 tag 比如类别 颜色啥的 基本都有相关性 衣服的喜好 颜色也能搞出来 以前做过这样的推荐 每一次点击后台都有 log 的 根据这些 log 搞搞 就出来了
|
13
fcten 2018-01-07 03:17:50 +08:00
协同过滤无误 (#滑稽
|
14
Immortal 2018-01-07 03:30:43 +08:00
细腻自然
|
15
rogwan 2018-01-07 08:41:07 +08:00 via Android
为了反大数据窥测,故意收藏、浏览一些无关物品、帮朋友下单一些宝贝,看着下面推荐的宝贝:这绝对不是我 23333
|
16
gam2046 2018-01-07 10:52:06 +08:00
这类推荐系统多数情况下的实现方法都是基于多维度的最短距离得出的。
比如每个商品都有一些用户不可见的 tag,你每次访问就在对应的 tag 上加权重。所谓相似商品就是在多维度上距离与你最近的 tag 筛选出来,然后再找到与近距离 tag 匹配度最高的商品。 基本原理简化一下,就是平面几何中查找两点之间最短距离,现在只是把维度增加。维度越多,理论上结果越准确(前提是拥有足够的用户量) |