推荐算法

陈敬雷-充电了么-CEO兼CTO

推荐算法系统系列＞推荐数据仓库集市的ETL数据处理注：此文章内容均节选自充电了么创始人，CEO兼CTO陈敬雷老师的新书《GPT多模态大模型与AI Agent智能体》（跟我一起学人工智能）【陈敬雷编著】【清华大学出版社】

效果&成本双突破！快手提出端到端生成式推荐系统OneRec！近日，快手推荐模型团队提出了一个端到端生成式推荐系统OneRec，该系统采用Encoder-Decoder架构，引入了基于奖励机制的偏好对齐方法，借助强化学习增强模型效果，可在奖励模型引导下直接生成契合用户偏好的视频内容。通过极致的性能优化，OneRec在推荐模型FLOPs提升10倍的同时，大幅削减了通信和存储等运营成本近90%。目前，OneRec已在快手/快手极速版双端承接25%的线上流量，带动APP停留时长分别提升0.54%和1.24%。

八种数据结构简介目录1.1 数据结构概述1.2 数据结构的分类1.2.1 逻辑结构1）集合2）线性结构3）树形结构4）图形结构

@解忧杂货铺

基于用户的协同过滤推荐算法实现（Java电商平台）在电商平台中，基于用户的协同过滤推荐算法是一种常见的推荐系统方法。它通过分析用户之间的相似性来推荐商品。以下是一个简单的实现思路和示例代码，使用Java语言。

【推荐算法】注意力机制与兴趣演化：推荐系统如何抓住用户的心？在2017年之前，主流推荐系统（如矩阵分解、DeepFM）存在两大根本缺陷：静态兴趣假设：认为用户兴趣是固定不变的

AI时代的行业重构：机遇、挑战与生存法则引言：AI重构产业格局在硅谷的深夜，OpenAI的工程师们正调试着GPT-5模型，这个拥有20万亿参数的庞然大物，正在重新定义人类与机器的协作边界。而在深圳的智能工厂里，机械臂正以0.1毫米的精度装配手机主板，背后的算法每秒处理着10万次传感器数据。这是2025年的科技图景——AI不再是实验室里的概念，而是渗透到产业毛细血管的基础设施。

【推荐算法】DeepFM：特征交叉建模的革命性架构在推荐系统与CTR预测中，特征交叉是提升模型表现的关键：实验证明：合理建模特征交叉可使CTR预测准确率提升20-40%

【推荐算法】NeuralCF：深度学习重构协同过滤的革命性突破协同过滤（Collaborative Filtering）是推荐系统的核心技术，经历了三个阶段演进：💡 核心问题：如何用深度学习增强协同过滤的非线性表达能力？

【推荐算法】Embedding+MLP：TensorFlow实现经典深度学习推荐模型详解Embedding+MLP模型是处理高维稀疏特征的经典架构，广泛应用于推荐系统、广告点击率预测（CTR）等场景。其核心思想是将类别型特征通过Embedding层转换为低维稠密向量，再与连续特征拼接后输入多层感知机（MLP）。

springboot+vue实现鲜花商城系统源码（带用户协同过滤个性化推荐算法）今天教大家如何设计一个鲜花商城 , 基于目前主流的技术：前端vue3，后端springboot。学习完这个项目，你将来找工作开发实际项目都会又很大帮助。文章最后部分还带来的项目的部署教程。

【深度学习】多目标融合算法（六）：渐进式分层提取模型PLE（Progressive Layered Extraction）目录一、引言二、PLE（Progressive Layered Extraction，渐进式分层提取模型）

springboot+vue实现服装商城系统（带用户协同过滤个性化推荐算法）今天教大家如何设计一个服装商城 , 基于目前主流的技术：前端vue3，后端springboot。同时还带来的项目的部署教程。

字节2025实习/校招/社招内推码：R9SZ7Y1字节打工人来内推啦！想内推的快投吧！岗位多多仔细阅读以下🌟字节的社招校招都可以用🔥❗️内推有两种方式任选其一即可！！！！！ 1、搜索字节招聘官网，直接在官网投递的时候，填写内推码就可以 2、通过下方链接入口投递。💫投递完成可帮看投递进度！多一次努力就多一次机会！祝大家早日拿到offer ！

＜论文＞（微软）避免推荐域外物品：基于LLM的受限生成式推荐本文介绍微软和深圳大学合作发表于2025年5月的论文《Avoid Recommending Out-of-Domain Items: Constrained Generative Recommendation with LLMs》。论文主要研究如何解决大语言模型（LLMs）在推荐系统中推荐域外物品的问题，提出了 RecLM-ret 和 RecLM-cgen 两种方法。

推荐算法工程化：ZKmall模板商城的B2C 商城的用户分层推荐策略在 B2C 电商竞争激烈的市场环境中，精准推荐已成为提升用户体验、促进商品销售的关键。ZKmall 模板商城通过推荐算法工程化手段，深度挖掘用户数据价值，制定科学的用户分层推荐策略，实现 “千人千面” 的个性化推荐，帮助 B2C 商城在海量用户与商品中建立高效连接，提升用户粘性与商业转化率。

绒绒毛毛雨

广告推荐算法入门 day1 --项目选型一起学习吖~~ 一个好的推荐项目，首先不能是宏大全面囊括的而应该是针对某场景问题针对性拓展的，因此我们应该有场景->baseline ->改进点->效果这几个部分。其中建议说出：每个部分为啥会work？为啥别的别的方法不行？优化方案的增量来自啥（对信息的挖掘还是引入新的信息）？虽然你选了baseline但是你还得了解最前沿是啥？

【论文阅读】Attentive Collaborative Filtering:Attentive Collaborative Filtering (ACF)、隐式反馈推荐、注意力机制、贝叶斯个性化排序

推荐系统架构设计1.分析用户行为数据：收集用户的活跃时间、点击行为、浏览历史等数据。分析用户的活跃模式，确定用户最活跃的时间段。kafka + flink +数据库分析用户行为并存储

【论文阅读】Joint Deep Modeling of Users and Items Using Reviews for Recommendation题目翻译：利用评论对用户和项目进行联合深度建模进行推荐原文地址：点这里关键词： DeepCoNN、推荐系统、卷积神经网络、评论建模、协同建模、评分预测、联合建模