我已经尝试将 fastai 的协同过滤与 MovieLens 数据集结合使用。 （我试图模仿<a href="https://medium.com/quantyca/de

我正在创建一个推荐引擎，其中我的项目是软件，用户是人。我有输入数据，通过范围 [1-10] 中的值显示

我正在使用 BigQuery ML 训练矩阵分解模型，以便根据客户的交易历史向客户推荐产品。 我的问题是<s

我正在按照教程在 Sagemaker 上使用 MXNET 来开发推荐引擎。 执行以下单元格后，我收到 AttributeError: '

我正在关注 TFRS (TensorFlow Recommenders) 库中的 <a href="https://www.tensorflow.org/recommenders/examples/basic_retrieval" rel="

我想跟踪用户以及他/她正在搜索/阅读的博客类别，然后利用这些数据在主页的推荐博客部分推荐博客。

晚安！ 我正在尝试使用 Pandas 数据框创建一个稀疏数组，但出现以下错误。 我该如何解决这个问题

如何实现一个与stackoverflow / digg / reddit类似的推荐系统的网站？即,用户提交内容,网站需要根据该项目的流行度来计算某种“热度”.流程如下： >用户提交内容 >其他用户查看和投票内容(假设90％的用户只查看内容,10％积极投票内容) >新内容不断提交 如何实现一个计算提交项目的“热度”的算法,最好是实时的？是否有最佳做法或设计模式？ 我假设算法考虑以下因素： >提交物品