20 empfehlenswerte technische Beiträge zu Empfehlungssystemen

Eine Liste technischer Beiträge von Fachleuten, die Empfehlungssysteme in der Praxis bei Kakao, LINE, Naver, Karrot Market, Bunjang usw. erforschen und entwickeln.

1. Wie funktioniert Musikempfehlung bei Melon? - Jaeho Jeon (Kakao Recommendation Team)

2. Neue Herausforderungen der LINE Timeline, Teil 1 – Discover zur Erkundung empfohlener Inhalte und das neue Abonnementmodell Follow - Gyeongbok Lee (LINE)

3. Die AI-Technologie „RIYO“ wird auf Navers Trend-Suchbegriffe angewendet, sodass sich die Suchbegriff-Charts je nach Auswahl des Nutzers individuell unterscheiden - Naver Diary Blog

4. Sechs technische Beschreibungen zur Kraft der Brunch-Empfehlungen - Gyumin Choi (Kakao Recommendation Team)

5. Deep-Learning-Empfehlungssystem in Production - Mooik Jeon (Karrot Market)

6. Personalisierte Empfehlungen mit Deep Learning - Mooik Jeon (Karrot Market)

7. Der von AiTEMS empfohlene „Filmempfehlungsdienst für gemeinsam sehenswerte Filme“ wird gestartet. - Naver Search Blog

8. Auch „gemeinsam passende“ Produkte werden personalisiert: Wir stellen shoppingbasierte Empfehlungen auf Grundlage von Stil-Themen (AiTEMS) vor. - Naver Search Blog

9. Entwicklung des Empfehlungssystems von Bunjang und Erfahrungsbericht nach der Einführung, Part 3 - Myeonghwi Lee (Bunjang)

10. Entwicklung des Empfehlungssystems von Bunjang und Erfahrungsbericht nach der Einführung, Part 2 - Myeonghwi Lee (Bunjang)

11. Entwicklung des Empfehlungssystems von Bunjang und Erfahrungsbericht nach der Einführung, Part 1 - Myeonghwi Lee (Bunjang)

12. [Technologien, an denen Naver forscht] AI-basiertes Orts-Empfehlungssystem AiRSPACE - Naver Search Blog

13. Navers automatische News-Empfehlungstechnologie, vorgestellt auf der CIKM2017 - Hujung Jeong (Naver Search), Geunchan Park (Naver AiRS)

14. Die Evolution der KakaoI Recommendation Engine - Injae Seong (Kakao Recommendation Team)

15. Die Technologie von AiTEMS, die eine Shopping-Plattform schafft, mit der sowohl Nutzer, die selten einkaufen, als auch neue Verkäufer zufrieden sind - Jeongtae Lee (Naver Personal Shopper), Byeongseon Park (Naver Communication Group)

16. Das Deep-Learning-basierte personalisierte Produktempfehlungssystem „AiTEMS“, das genau passende Lieblingsprodukte findet - Jeongtae Lee (Naver Personal Shopper), Byeongseon Park (Naver Communication Group)

17. Der AI-Assistent in meiner Hand, der Empfehlungsalgorithmus - Sanghyeok Jeon, Gwangseop Kim (Kakao Recommendation Team)

18. Das Geheimnis des Kakao-News-Empfehlungs-AI-Algorithmus „Rubics“ - Kakao Policy Industry Research Brunch

19. Wir stellen das AI-basierte Empfehlungssystem AiRS vor - Naver Diary Blog

20. RUBICS – Kakaos Echtzeit-Empfehlungssystem - Sangwon Seo (Kakao Recommendation Team)