20 Pilihan Tulisan Teknis tentang Sistem Rekomendasi

Daftar tulisan teknis dari para ahli yang meneliti dan mengembangkan sistem rekomendasi di lapangan kerja, seperti di Kakao, LINE, Naver, Danggeun Market, Bunjang, dan lainnya

1. Bagaimana Melon melakukan rekomendasi musik? - Jaeho Jeon (Tim Rekomendasi Kakao)

2. Tantangan baru LINE Timeline Bagian 1 – Discover untuk menjelajahi konten rekomendasi dan model langganan baru Follow - Gyeongbok Lee (LINE)

3. Teknologi AI ‘RIYO’ diterapkan pada kata kunci pencarian populer Naver sehingga chart kata kunci pencarian dibedakan untuk tiap individu sesuai pilihan pengguna - Blog Diary Naver

4. 6 teknologi (deskripsi) tentang kekuatan rekomendasi Brunch - Gyumin Choi (Tim Rekomendasi Kakao)

5. Sistem rekomendasi deep learning in production - Mooik Jeon (Danggeun Market)

6. Rekomendasi personalisasi deep learning - Mooik Jeon (Danggeun Market)

7. Layanan rekomendasi film ‘yang layak ditonton bersama’ yang direkomendasikan oleh AiTEMS resmi dibuka. - Blog Pencarian Naver

8. Barang ‘yang layak dibeli bersama’ juga dipersonalisasi, memperkenalkan rekomendasi belanja berbasis style topic (AiTEMS). - Blog Pencarian Naver

9. Pengembangan sistem rekomendasi Bunjang dan pengalaman setelah penerapan Part 3 - Myeonghwi Lee (Bunjang)

10. Pengembangan sistem rekomendasi Bunjang dan pengalaman setelah penerapan Part 2 - Myeonghwi Lee (Bunjang)

11. Pengembangan sistem rekomendasi Bunjang dan pengalaman setelah penerapan Part 1 - Myeonghwi Lee (Bunjang)

12. [Teknologi yang diteliti Naver] Sistem rekomendasi tempat berbasis AI AiRSPACE - Blog Pencarian Naver

13. Teknologi rekomendasi berita otomatis Naver yang dipresentasikan di CIKM2017 - Hoojung Jeong (Pencarian Naver), Geunchan Park (Naver AiRS)

14. Evolusi mesin rekomendasi KakaoI - Injae Seong (Tim Rekomendasi Kakao)

15. Teknologi AiTEMS yang membangun platform belanja memuaskan baik untuk pengguna yang jarang berbelanja maupun penjual baru - Jeongtae Lee (Naver Personal Shopper), Byeongseon Park (Naver Communication Group)

16. Sistem rekomendasi produk personalisasi berbasis deep learning ‘AiTEMS’ yang menemukan item favorit sesuai selera - Jeongtae Lee (Naver Personal Shopper), Byeongseon Park (Naver Communication Group)

17. Asisten AI di genggaman, algoritme rekomendasi - Sanghyuk Jeon, Gwangseop Kim (Tim Rekomendasi Kakao)

18. Rahasia algoritme AI rekomendasi berita Kakao 'RUBICS' - Brunch Riset Kebijakan dan Industri Kakao

19. Memperkenalkan AiRS, sistem rekomendasi berbasis kecerdasan buatan - Blog Diary Naver

20. RUBICS – sistem rekomendasi real-time milik kakao - Sangwon Seo (Tim Rekomendasi Kakao)