1樓：胤淼
推薦分兩部分，內容特徵和排序。這兩部分公司應該都有不同的人做，哪怕是feed做推薦也不需要很了解nlp吧。nlp下面方向很多，和推薦有關的embedding，ner，相似度等。
單獨每一塊拿出來都可以做很多任務作。知道大概意思就夠用
2樓：走姿派何時亡
推薦系統和NLP很多地方都是相通的，乙個是學單詞的表示，另外乙個是學user和item的表示。。建議你還可以了解一下Graph Neural Network，對推薦系統的研究更有用
3樓：jackwang
有幫助，但是不直接。
推薦有很多種類，基於交易記錄即協同過濾的，SVD奇異矩陣分解的，基於條件概率的，基於自然屬性的，基於購物籃演算法的，基於內容的，NLP可以解析使用者的喜好，從而可以輔助推薦。
4樓：偶而君
如果從事其中一部分工作，比如rank,更多的是對模型和業務的理解，對nlp不了解沒太大影響。如果想摸清楚整個系統，了解nlp肯定是有很大幫助的。 nlp對召回階段和特徵的貢獻比較多。
5樓：
要知道怎麼用，用什麼，大致上有這幾類
1. 詞嵌入一類（word embedding）的文字相似演算法在推薦系統中應用廣泛。word2vec，fasttext，以及一些graph embedding變體
3. 還有一些生成模型的嘗試，不是特別主流
6樓：Reking
現在NLP都是word to vector, 很多任務具可以用。推薦系統主要是collaborative filtering 和 matrix factorization。
另外系統設計也是有很多技巧在裡面。這個如果在國內大廠應該有很好的機會可以學習。
用強化學習研究推薦系統的前景和難度怎麼樣？
翩若驚鴻 我對目前強化學習應用於推薦系統不太看好，原因在推薦系統中的推薦列表好比智慧型體，則使用者就好比環境，使用者對於推薦列表的好壞會給予反饋，從而不斷迭代優化推薦列表使得累計回報達到最大，而目前對於強化學習演算法的測試要麼基於離線靜態資料集，要麼建立乙個模擬器，試問靜態資料集能否包含真實環境中產...
如何學習推薦系統？
推薦系統實戰 項亮 項亮 著 深度學習推薦系統 王喆 王喆 著 看完可以再挑幾個演算法實現一下或者去某Hub找幾個原始碼看看 看完並實現幾個其中的模型相信就已經能很好地滿足提者的需求了 感謝兩位作者的編著 ps 有幾本其他的老外的書，太厚，內容也比較陳舊，不太推薦。如果看這兩本書有細節上的問題，可以...
中疾控專家稱 當前正在研究是否需要對全人群加強免疫 ，全人群加強免疫有何影響？有哪些需要注意的？
倉鼠小肥 好傢伙，先說結論 增強防控能力，降低國內疫情爆發次數。人在帝都，新發地疫情時，隔壁小區封了，當時害怕的要死，擔心感染新冠，更怕新冠併發症。今年年初完成第二針疫苗接種，心裡踏實點。結果印度德爾塔來了，頭大。我的觀察，新冠這玩意兒，感染不感染看防護，重不重症就看個人免疫力了。如果全民免疫力足夠...