陈然的公开内容

常见的推荐算法有item-based 也有user-based(协同过滤)。 考虑到对于音乐本身feature的描述并不理想，所以通过计算音乐和音乐之间的相似性来进行推荐恐怕并不那么靠谱，无论是用音乐的歌手、“风格”、还是制作人。 使用协同过滤进行音乐推荐应该更佳。

我觉得主要是因为搞Machine Learning的人大部分集中在这个领域

2013年8月，MIT Technology Review颁布了他们评比的35 Innovators under 35，也即35个35岁以下的创新者。毫无疑问，这些人的所在从事的研究或者项目，都是当前所热门的研究方向，是对于未来可能有重大影响的项目。在其中有一位，是微软亚洲研究院的郑宇博士，他所进行的研究方向，叫 Ur...

正好之前的毕设中阅读了相关的文献 这里依照我肤浅的理解也来回答一下 计算两份代码的相似度是有很多实际的应用背景的，比如在代码仓库中（Software Repository）中，大量的代码来自于相互的复制粘贴，如果能够合理地检测到相似的代码，将相似的代码只保存一份，那么可以减少大量的存储冗余，同时也可以更好地保证数据的一...

推荐算法最常见的是协同过滤和基于内容的推荐 一下内容来自互动百科： 推荐算法互动百科 推荐算法就是利用用户的一些行为，通过一些数学算法，推测出用户可能喜欢的东西。推荐算法主要分为两种。 推荐算法互动百科推荐算法 - 基于内容的推荐基于内容的信息推荐方法的理论依据主要来自于信息检索和信息过滤，所谓的基于内容的推荐方法就是...