Todas las aplicaciones comerciales como Facebook, Google, Amazon, Netflix y Spotify son sistemas de recomendación. La complejidad del diseño determina la precisión del sistema. Por ejemplo, si observa un producto en Amazon, hay una lista de recomendaciones de “Los clientes que compraron este artículo también compraron”.
Los resultados de filtrado pueden ser
- ¿Cómo podemos generar un número aleatorio con igual probabilidad en el rango [1 ... n] st, no pertenece al conjunto inválido de números S = {xi | 1 <= xi <= n e i [matemáticas] \ en [/ matemáticas] [1… k] yk <n} utilizando la memoria O (k); siempre que podamos llamar a la función aleatoria solo una vez?
- ¿Es posible el algoritmo de compresión que se muestra en Silicon Valley en realidad?
- ¿Qué es una matriz ordenada y en qué se diferencia de una que no está ordenada?
- ¿Cuál es el mejor recurso para aprender el algoritmo KMP?
- ¿Por qué la mayoría de las personas en el campo de la complejidad provienen de entornos físicos?
- Basado en elementos: encuentre elementos similares según las clasificaciones de los usuarios.
- Basado en el usuario: encuentre usuarios similares en función de las calificaciones de los usuarios para el elemento y luego pronostique una calificación de usuario para un nuevo elemento en función de los usuarios similares.
Este algoritmo similar se aplica en Spotify. El algoritmo encuentra canciones similares ( según el género ) clasificadas / escuchadas / agregadas repetidamente a su lista de reproducción por usuarios similares.
