Flink + 強化學習搭建實時推薦系統
如今的推薦系統，對於實時性的要求越來越高，實時推薦的流程大致可以概括爲：推薦系統對於用戶的請求產生推薦，用戶對推薦結果作出反饋 (購買/點擊/離開等等)，推薦系統再根據用戶反饋作出新的推薦。這個過程中有兩個值得關注的地方： 這可被視爲是一個推薦系統和用戶不斷交互、互相影響的過程。 推薦系統需要對用戶反饋作出快速及時的響應。 這兩點本篇分別通過強化學習和 Flink 來實現，而在此之前先了解一些背景
相關文章
- 1. 強化學習【RL】推薦
- 2. 推薦系統實踐學習系列（七）推薦系統實例
- 3. 推薦系統學習（七）
- 4. 推薦系統學習（五）
- 5. 推薦系統學習-libFM
- 6. 推薦系統學習（八）
- 7. 推薦系統學習（一）
- 8. 推薦系統學習（九）
- 9. 推薦系統學習（六）
- 10. 推薦系統學習(一)
- 更多相關文章...
- • 操作系統（OS）平臺 統計 - 瀏覽器信息
- • Swift 環境搭建 - Swift 教程
- • 適用於PHP初學者的學習線路和建議
- • Docker容器實戰(七) - 容器眼光下的文件系統
相關標籤/搜索
每日一句
-
每一个你不满意的现在，都有一个你没有努力的曾经。
歡迎關注本站公眾號,獲取更多信息
相關文章
- 1. 強化學習【RL】推薦
- 2. 推薦系統實踐學習系列（七）推薦系統實例
- 3. 推薦系統學習（七）
- 4. 推薦系統學習（五）
- 5. 推薦系統學習-libFM
- 6. 推薦系統學習（八）
- 7. 推薦系統學習（一）
- 8. 推薦系統學習（九）
- 9. 推薦系統學習（六）
- 10. 推薦系統學習(一)