• 一、推荐系统概述
• 二、搭建推荐系统的关键算法
  • 1.达观数据推荐系统架构
  • 2.推荐流程
  • 3.如何做热门推荐？
  • 4.如何做基于内容的推荐？
  • 5.基于主题模型的推荐
  • 6. 协同过滤
  • 7. 潜在因子模型
  • 8.用户模型构建
  • 9.多算法融合
• 三、推荐系统难点分析和解决方法
  • 1.长短期兴趣画像让模型效果稳定提升
  • 2.快速建模技术解决冷启动问题
  • 3.三级火箭”架构保障系统稳定和毫秒级反馈
  • 4.NLP 技术解决推荐难题
• 四、深度学习在推荐系统中的应用

阅读全文

• 1. 概论
• 2. 什么是知识图谱？
• 3. 知识图谱的表示
• 4. 知识抽取
• 5. 知识图谱的存储
• 6. 金融知识图谱的搭建
  • 6.1 定义具体的业务问题
  • 6.2 数据收集 & 预处理
  • 6.3 知识图谱的设计
  • 6.4 把数据存入知识图谱
  • 6.5 上层应用的开发
    • 6.5.1 基于规则的方法论
    • 6.5.2 基于概率的方法
    • 6.5.3 基于动态网络的分析
• 7. 知识图谱在其他行业中的应用
• 8. 实践上的几点建议
• 9. 结语

阅读全文

• 项目站点
  • 思知（OwnThink）
  • 开放的中文知识图谱
  • 楚辞
• 知乎专栏
• 美团大脑
• 其他文章
• 其他资源

阅读全文