正文

推薦系統(tǒng)排行榜（推薦系統(tǒng)排行榜最新）

發(fā)布時間：2023-03-20 06:28:09 稿源：創(chuàng)意嶺閱讀： 70 問大家

大家好！今天讓小編來大家介紹下關于推薦系統(tǒng)排行榜的問題，以下是小編對此問題的歸納整理，讓我們一起來看看吧。

創(chuàng)意嶺作為行業(yè)內優(yōu)秀的企業(yè)，服務客戶遍布全球各地，相關業(yè)務請撥打電話：175-8598-2043，或添加微信：1454722008

文章目錄列表:

1、買房app十大排行榜
2、推薦系統(tǒng)產(chǎn)品和算法概述丨產(chǎn)品雜談系列
3、評價推薦系統(tǒng)的幾個標準
4、無人自助棋排系統(tǒng)排名前幾位都有哪個

推薦系統(tǒng)排行榜（推薦系統(tǒng)排行榜最新）

一、買房app十大排行榜

買房app十大排行榜有以下這些：

1、房天下，一款為使用者收納天下房源信息的軟件，在軟件中，擁有上億人一起使用，超過五百萬的業(yè)主的選擇，值得信賴，專屬顧問隨時在線，全程陪伴，障質量，私人定制看房路線，直達售樓處。2、房房房，一款真正保證買房者權益的軟件。在這里，買賣新房需要拿出證明來為其提供信用力，出售，出租舊房需要提供房產(chǎn)證或購房合同等證明。

3、房星找房，一款為用戶整合二手房，新房信息的軟件。在軟件中，可以為想要買房的用戶提供可信賴的服務，能夠滿足用戶的各色要求平臺可信，能夠全程監(jiān)督置業(yè)顧問的每一次服務。

4、房交易，一個為客戶提供房地產(chǎn)服務的綜合軟件，在軟件中我們可以享受到最機制的服務，在這里擁有多位十幾年交易經(jīng)驗的交易員，多個全國房地產(chǎn)經(jīng)紀人職業(yè)證書為使用者進行服務。

5、房譜，一款可以提供真實地點的房源軟件。在其中，我們可以在地圖上真正的看到房源信息，來判斷最合適的房源。軟件目前已成功上線80多個城市，所有在售房源信息一網(wǎng)打盡，一個不漏。

6、貝殼找房，在這里擁有最全面的房源信息。提供全面真實實時的房源動態(tài)、透明的房產(chǎn)行情、高效的找房工具等特色工具。海量房源信息，真實在售。

7、自如，一款讓用戶輕松租房，買房的軟件。在軟件中，用戶可以挑選房子完成輕松拎包住房，也可以自由選擇多種房源。多種貼心服務專屬管家、周期保潔、及時維修，讓生活更自如。

8、樂居買房，房源咨詢五花八門，找房頭疼難難難，想要租房就來這里，多種信息整理推薦，清晰明了買好房，樓盤拿證開盤等時間節(jié)點一目了然，詳情頁增強服務，搖號選房盡在其中。

9、諸葛找房，每日更新房源信息，每天超過十億信息處理，讓用戶坐享天下咨詢，更有具有特色的房價分析，全行業(yè)實用直觀的二手房價格趨勢及房源分布展示。

10、安居客，業(yè)界強大的推薦系統(tǒng)為智能推薦安心房源，足不出戶實景看房，省心又安全。裝修增加品牌裝企推薦，專業(yè)保障，放心選擇。

二、推薦系統(tǒng)產(chǎn)品和算法概述丨產(chǎn)品雜談系列

本文主要是對最近所學的推薦系統(tǒng)的總結，將會簡單概述非個性化范式、群組個性化范式、完全個性化范式、標的物關聯(lián)標的物范式、笛卡爾積范式等5種常用的推薦范式的設計思路。

許多產(chǎn)品的推薦算法都依賴于三類數(shù)據(jù)：標的物相關的描述信息（如推薦鞋子，則包括鞋子的版型、適用對象、材質等信息、用戶畫像數(shù)據(jù)（指的是用戶相關數(shù)據(jù)，如性別、年齡、收入等）、用戶行為數(shù)據(jù)（例如用戶在淘寶上的瀏覽、收藏、購買等）。這三類數(shù)據(jù)是推薦模型的主要組成部分，除此之外一些人工標注的數(shù)據(jù)（例如為商品人工打上標簽）、第三方數(shù)據(jù)也能夠用于補充上述的三類數(shù)據(jù)。

服務端在有以上數(shù)據(jù)的基礎上，就可以從三個維度進行推薦：

根據(jù)個性化推薦的顆粒度，我們可以將基于用戶維度的推薦分為非個性化推薦、群組個性化推薦及完全個性化推薦三種類型。

非個性化推薦指的是每個用戶看到的推薦內容都是一樣的 在互聯(lián)網(wǎng)產(chǎn)品中，我們最常見的非個性化推薦的例子是各種排行榜，如下圖是酷狗音樂的排行榜推薦，通過各個維度計算各類榜單，不管是誰看到這個榜單，上面的排序和內容都是一致的。

群組個性化推薦指的是將具有相同特征的用戶聚合成一組，同一組用戶在某些方面具備相似性，系統(tǒng)將為這一組用戶推薦一樣的內容 。這種推薦方式是很多產(chǎn)品進行用戶精細化運營時會采用的方式，通過用戶畫像系統(tǒng)圈定一批批用戶，并對這批用戶做統(tǒng)一的運營。例如音樂軟件的推薦播放，若以搖滾樂為基準將一批用戶聚合成組，則為這些用戶提供的每日推薦歌單是相同的內容和順序，但與另一組愛聽民謠的用戶相比，兩組用戶看到的每日推薦內容將是不同的。

完全個性化指的是為每個用戶推薦的內容都不一樣，是根據(jù)每一位用戶的行為及興趣來為用戶做推薦，是當今互聯(lián)網(wǎng)產(chǎn)品中最常用的一種推薦方式。大多數(shù)情況下我們所說的推薦就是指這種形式的推薦，例如淘寶首頁的“猜你喜歡”就是一個完全個性化的推薦，千人千面，每個人看到的推薦尚品都不一樣。

完全個性化可以只基于用戶行為進行推薦，在構建推薦算法時只考慮到用戶個人的特征和行為 ，不需要考慮其他用戶，這也是最常見的內容推薦方式。除此之外， 還可以基于群組行為進行完全個性化推薦，除了利用用戶自身的行為外，還依賴于其他用戶的行為構建推薦算法模型 。例如，用戶屬性和行為相似的一群用戶，其中90%的用戶買了A商品后也買了B商品，則當剩下的10%用戶單獨購買B商品時，我們可以為該用戶推薦商品A。

基于群組行為進行的完全個性化推薦可以認為是全體用戶的協(xié)同進化，常見的協(xié)同過濾、基于模型的推薦等都屬于這類推薦形式。

基于標的物的推薦指的是用戶在訪問標的物詳情頁或者退出標的物詳情頁時，可以根據(jù)標的物的描述信息為用戶推薦一批相似的或者相關的標的物，對應的是最開始提到的“標的物關聯(lián)標的物范式” 。如下圖酷狗的相似歌曲推薦，

除了音樂產(chǎn)品外，視頻網(wǎng)站、電商、短視頻等APP都大量使用基于標的物維度的推薦。如下圖便是YouTube基于標的物關聯(lián)標的物的推薦。在YouTube上我觀看一個周杰倫的音樂視頻時，YouTube在該頁面下方為我推薦更多與周杰倫有關的視頻。

基于用戶和標的物交叉維度的推薦指的是將用戶維度和標的物維度結合起來，不同用戶訪問同一標的物的詳情頁時看到的推薦內容也不一樣，對應的是開頭提到的笛卡爾積推薦范式。拿酷狗音樂對相似歌曲的推薦來舉例，如果該推薦采用的是用戶和標的物交叉維度的推薦的話，不同用戶看到的“沒有理想的人不傷心”這首歌曲，下面的相似歌曲是不一樣的。拿淘寶舉例的話，一樣是搜索“褲子”這一關鍵詞，不同的人搜索得到的搜索結果和排序是不同的，可能用戶A搜索出來優(yōu)先展示的是牛仔褲，而用戶B優(yōu)先展示的是休閑褲，淘寶將結合搜索關鍵詞與用戶個人的歷史行為特征展示對應的搜索結果和排序。

對于基于笛卡爾積推薦范式設計的推薦系統(tǒng)來說，由于每個用戶在每個標的物上的推薦列表都不一樣，我們是沒辦法是先將所有組合計算出來并儲存（組合過多，數(shù)量是非常巨大的），因此對于系統(tǒng)來說，能否在用戶請求的過程中快速地為用戶計算個性化推薦的標的物列表將會是一個比較大的挑戰(zhàn)，對于整個推薦系統(tǒng)的架構也有更高的要求，因此在實際應用中，該種推薦方式用的比較少。

非個性化范式指的是為所有用戶推薦一樣的標的物列表，常見的各種榜單就是基于此類推薦規(guī)則，如電商APP中的新品榜、暢銷榜等。排行榜就是基于某個規(guī)則來對標的物進行排序，將排序后的部分標的物推薦給用戶。例如新品榜是按照商品上架的時間順序來倒序排列，并將排序在前列的產(chǎn)品推薦給用戶。而暢銷榜則是按照商品銷量順序降序排列，為用戶推薦銷量靠前的商品。

根據(jù)具體的產(chǎn)品和業(yè)務場景，即使同樣是非個性化范式推薦，在具體實施時也可能會比較復雜。例如在電商APP中暢銷榜的推薦可能還會將地域、時間、價格等多個維度納入考慮范圍內，基于每個維度及其權重進行最終的排序推薦。

大部分情況下，非個性化范式推薦可以基于簡單的計數(shù)統(tǒng)計來生成推薦，不會用到比較復雜的機器學習算法，是一種實施門檻較低的推薦方式?；诖?，非個性化范式推薦算法可以作為產(chǎn)品冷啟動或者默認的推薦算法。

完全個性化范式是目前的互聯(lián)網(wǎng)產(chǎn)品中最常用的推薦模式，可用的推薦方法非常多。下面對常用的算法進行簡單梳理。

該推薦算法只需要考慮到用戶自己的歷史行為而不需要考慮其他用戶的行為，其核心思想是：標的物是有描述屬性的，用戶對標的物的操作行為為用戶打上了相關屬性的烙印，這些屬性就是用戶的興趣標簽，那么我們就可以基于用戶的興趣來為用戶生成推薦列表。還是拿音樂推薦來舉例子，如果用戶過去聽了搖滾和民謠兩種類型的音樂，那么搖滾和民謠就是這個用戶聽歌時的偏好標簽，此時我們就可以為該用戶推薦更多的搖滾類、民謠類歌曲。

基于內容的個性化推薦在實操中有以下兩類方式。

第一種是基于用戶特征標識的推薦。

標的物是有很多文本特征的，例如標簽、描述信息等，我們可以將這些文本信息基于某種算法轉化為特征向量。有了標的物的特征向量后，我們可以將用戶所有操作過的標的物的特征向量基于時間加權平均作為用戶的特征向量，并根據(jù)用戶特征向量與標的物特征向量的乘積來計算用戶與標的物的相似度，從而計算出該用戶的標的物推薦列表。

第二種是基于倒排索引查詢的推薦。

如果我們基于標的物的文本特征（如標簽）來表示標的物屬性，那么基于用戶對該標的物的歷史行為，我們可以構建用戶畫像，該畫像即是用戶對于各個標簽的偏好，并且對各個標簽都有相應的偏好權重。

在構建完用戶畫像后，我們可以基于標簽與標的物的倒排索引查詢表，以標簽為關鍵詞，為用戶進行個性化推薦。

舉個粗暴的例子，有歌曲A、B、C分別對應搖滾、民謠、古風三個音樂標簽，我聽了歌曲A、B，則在我身上打了搖滾和民謠的標簽，又基于我聽這兩個歌曲的頻率，計算了我對“搖滾”和“民謠”的偏好權重。

在倒排索引查詢表中，搖滾和民謠又會分別對應一部分歌曲，所以，可以根據(jù)我對搖滾和民謠的偏好權重從查詢表中篩選一部分歌曲并推薦給我。

基于倒排索引查詢的推薦方式是非常自然直觀的，只要用戶有一次行為，我們就可以據(jù)此為用戶進行推薦。但反過來，基于用戶興趣給用戶推薦內容，容易局限推薦范圍，難以為用戶推薦新穎的內容。

基于協(xié)同過濾的推薦算法，核心思想是很樸素的”物以類聚、人以群分“的思想。所謂物以類聚，就是計算出每個標的物最相似的標的物列表，我們就可以為用戶推薦用戶喜歡的標的物相似的標的物，這就是基于物品的協(xié)同過濾。所謂人以群分，就是我們可以將與該用戶相似的用戶喜歡過的標的物(而該用戶未曾操作過)的標的物推薦給該用戶，這就是基于用戶的協(xié)同過濾。

常見的互聯(lián)網(wǎng)產(chǎn)品中，很多會采用基于標的物的協(xié)同過濾，因為相比之下用戶的變動概率更大，增長速度可能較快，這種情況下，基于標的物的協(xié)同過濾算法將會更加的穩(wěn)定。

協(xié)同過濾算法思路非常簡單直觀，也易于實現(xiàn)，在當今的互聯(lián)網(wǎng)產(chǎn)品中應用廣泛。但協(xié)同過濾算法也有一些難以避免的問題，例如產(chǎn)品的冷啟動階段，在沒有用戶數(shù)據(jù)的情況下，沒辦法很好的利用協(xié)同過濾為用戶推薦內容。例如新商品上架時也會遇到類似的問題，沒有收集到任何一個用戶對其的瀏覽、點擊或者購買行為，也就無從基于人以群分的概念進行商品推薦。

基于模型的推薦算法種類非常多，我了解到的比較常見的有遷移學習算法、強化學習算法、矩陣分解算法等，且隨著近幾年深度學習在圖像識別、語音識別等領域的進展，很多研究者和實踐者也將其融入到推薦模型的設計當中，取得了非常好的效果。例如阿里、京東等電商平臺，都是其中的佼佼者。

由于該算法涉及到比較多的技術知識，在下也處于初步學習階段，就不班門弄斧做過多介紹了，有興趣的朋友可以自行進行學習。

群組個性化推薦的第一步是將用戶分組，因此，采用什么樣的分組原則就顯得尤為重要。常見的分組方式有兩種。

先基于用戶的人口統(tǒng)計學數(shù)據(jù)（如年齡、性別等）或者用戶行為數(shù)據(jù)（例如對各種不同類型音樂的播放頻率）構建用戶畫像。用戶畫像一般用于做精準的運營，通過顯示特征將一批人圈起來形成同一組，對這批人做針對性的運營。因為前頭已經(jīng)提到此算法，這里不再重復介紹。

聚類是非常直觀的一種分組思路，將行為偏好相似的用戶聚在一起成為一個組，他們有相似的興趣。常用的聚類策略有如下兩類。

標的物關聯(lián)標的物就是為每個標的物推薦一組標的物。該推薦算法的核心是怎么從一個標的物關聯(lián)到其他的標的物。這種關聯(lián)關系可以是相似的（例如嘉士伯啤酒和喜力啤酒），也可以是基于其他維度的關聯(lián)（例如互補品，羽毛球拍和羽毛球）。常用的推薦策略是相似推薦。下面給出3種常用的生成關聯(lián)推薦的策略。

這類推薦方式一般是利用已知的數(shù)據(jù)和標的物信息來描述一個標的物，通過算法的方式將其向量化，從而根據(jù)不同標的物向量之間的相似度來急速標的物之間的相似度，從而實現(xiàn)相識標的物的推薦。

在一個成熟的產(chǎn)品中，我們可以采集到的非常多的用戶行為，例如在電商平臺中，我們可以手機用戶搜索、瀏覽、收藏、點贊等行為，這些行為就代表了用戶對某個標的物的某種偏好，因此，我們可以根據(jù)用戶的這些行為來進行關聯(lián)推薦。

例如，可以將用戶的行為矩陣分解為用戶特征矩陣和物品特征矩陣，物品特征矩陣可以看成是衡量物品的一個向量，利用該向量我們就可以計算兩個標的物之間的相似度了，從而為該用戶推薦相似度高的其他產(chǎn)品。

再例如， 采用購物籃的思路做推薦，這種思路非常適合圖書、電商等的推薦 。以電商為例，我們可以把用戶經(jīng)常一起瀏覽(或者購買)的商品形成一個列表，將過去一段時間所有的列表收集起來。對于任何一個商品，我們都可以找到與它一起被瀏覽或者購買的其他商品及其次數(shù)，并根據(jù)次數(shù)來判斷其關聯(lián)性，從而進行關聯(lián)推薦。

我們可以對用戶進行分組，同樣，我們也能夠對標的物進行聚類分組。通過某位參考維度，我們將一些列具有相似性的標的物分成一組，當我們?yōu)橛脩暨M行推薦的時候，便可以將同一組內的其他標的物作為推薦對象，推薦給用戶。

笛卡爾積范式的推薦算法一般是先采用標的物關聯(lián)標的物范式計算出待推薦的標的物列表。再根據(jù)用戶的興趣來對該推薦列表做調整（例如根據(jù)不同興趣的權重重新調整推薦列表的排序）、增加（例如基于個性化增加推薦對象）、刪除（例如過濾掉已經(jīng)看過的），由于其復雜程度較高在實際業(yè)務場景中應用較少，這邊不再詳細介紹。

好了，本次的介紹就到此為止了。本次主要是做了一個非常簡單的推薦算法概述，在實際的業(yè)務場景中，還經(jīng)常需要與產(chǎn)品形態(tài)或者更多的未讀（如時間、地點等）相結合，是一個很有意思的領域，有興趣的朋友可以進一步了解。

三、評價推薦系統(tǒng)的幾個標準

前言

推薦系統(tǒng)的評測指標用于評價推薦系統(tǒng)的各方面性能。這些指標（之前推送過一篇文章：《推薦系統(tǒng)的十二大評價指標總結》，可以點擊查看）有的可以離線獲得，有的可以用戶調研獲得，有的只能在線獲得?，F(xiàn)在對于不同的指標做下詳細的說明。

1.用戶滿意度

用戶作為推薦系統(tǒng)的重要參與者，其滿意度是評測推薦系統(tǒng)的最重要指標。但是，用戶滿意沒有辦法離線獲得，只能通過童虎調查或者在線實驗獲得。

2.預測精準度

預測精準度是度量一個推薦系統(tǒng)（或者推薦算法）預測用戶行為的能力。這個指標是最重要的推薦系統(tǒng)離線評測指標，從推薦系統(tǒng)誕生那天起，幾乎99%的于推薦系統(tǒng)相關的論文都在討論這個指標。

在計算該指標時需要一個離線的數(shù)據(jù)集，這個數(shù)據(jù)集包含了用戶的歷史行為記錄。然后將這個數(shù)據(jù)集通過時間分成訓練集和測試集。最后，通過在訓練集上面建立用戶的行為和興趣模型預測用戶在測試集上的行為，并計算預測行為和測試集上面的實際行為的重合度作為預測準確度。

3.覆蓋度

它是描述一個推薦系統(tǒng)對長尾商品的發(fā)掘能力的。覆蓋度的定義方法有不同。最簡單的定義為推薦系統(tǒng)能夠推薦出來的商品占總商品集合的比例。

從上面的定義可以看到，覆蓋率是一個內容供應商（商家）會關心的指標。這里以圖書為例，出版社可能會關心他們的數(shù)有沒有被推薦給用戶。覆蓋率為100%的推薦系統(tǒng)可以將每一本書推薦給至少一個用戶。此外，從上面的定義也可以知道，熱門排行榜（Top 100等等）的覆蓋率就很低。它只會推薦那些熱門的商品，而這些商品占總商品數(shù)的比例是很小的。一個好的推薦系統(tǒng)，不僅僅需要比較高的用戶滿意度，也要有較高的覆蓋度。

社會學領域有一個著名的馬太效應，所謂強者越強，弱者更弱的效應。搜索引擎的PageRank算法也具有一定的馬太效應，推薦系統(tǒng)的初衷是希望消除馬太效應，讓商品都有被用戶瀏覽的機會，但是現(xiàn)實是主流的推薦算法（例如協(xié)同過濾算法）也是有馬太效應的。

4. 多樣性

用戶的興趣是廣泛的，在一個視頻網(wǎng)站中，用戶可能既喜歡看《名偵探柯南》，也喜歡看成龍的功夫片，那么，為了滿足用戶廣泛的興趣，推薦列表需要能夠極可能的覆蓋用戶的不同興趣領域，即推薦結果要有多樣性。

關于推薦系統(tǒng)的多樣性最好要達到什么程度？可以通過一個例子說明。假設用戶喜歡看動作片和動畫片，且80%時間在看動作片，20%時間在看動畫片。那么，可以提供4中不同的推薦列表。A中10部動作片，沒有動畫片；B中10部動畫片，沒有動作片；C中8部動作片，2部動畫片；D中5部動作片，5部動畫片。在這個例子中，一般認為C是最好的，它既考慮的多樣性，有符合用戶的歷史行為習慣。

5.新穎性

新穎的推薦是指給用戶推薦那些他們之前沒有聽過的物品。在一個網(wǎng)站中實現(xiàn)新穎性的最簡單的辦法是，把那些用戶之前在網(wǎng)站在對其有過行為的物品從推薦列表中過濾掉。評測新穎度的最簡單的辦法是利用推薦結果的平均流行度，因為越不熱門的商品越可能讓用戶覺得新穎。因此，如果推薦結果中物品的平均熱門程度較低，那么推薦結果就可能有較高的新穎度。

6.驚喜度

驚喜度是最近幾年推薦系統(tǒng)領域熱門的話題。但什么是驚喜度，驚喜度和新穎度有什么區(qū)別是首先要搞清的問題。

可以舉個例子說明這兩種指標的區(qū)別。假設一名用戶喜歡周星馳的電影，然后我們給他推薦一部叫做《臨歧》的電影，二用戶不知道這部電影，那么這個推薦是有新穎性的。但是，這個推薦并沒有驚喜度，因為用戶一旦了解周星馳的電影，就不會覺得奇怪。但是我們給他推薦一部《活著》，假設用戶沒有看過這部電影，那么他看完后覺得這部電影還不錯，那么就可以說這個推薦讓用戶覺得是驚喜的。這個例子的基本意思就是，如果推薦結果和用戶的歷史興趣不相似，卻讓用戶覺得滿意，那么就可以說推薦結果的驚喜度很高，而推薦的新穎性僅僅取決于用戶是否聽過這個推薦結果。

7.可信度

如果你有兩個朋友，一個你很信任，一個滿嘴跑火車，那么如果你信任的朋友推薦你去A地方旅游，你很可能聽從他的推薦，但那位滿嘴跑火車的推薦你去A地方去旅游，相信你多半是不會去的。這兩個人可以看成兩個推薦系統(tǒng)，盡管他們推薦的結果相同，但你卻產(chǎn)生了不同的反應，因為你對他們的信任度是不同的。

提高推薦系統(tǒng)的信任度主要有兩種辦法。一是增加推薦系統(tǒng)的透明度，而增加透明度的主要辦法就是提供推薦解釋。只有讓用戶了解推薦系統(tǒng)的運行機制，讓用戶認可推薦系統(tǒng)的工作機制，用戶才會信任來自推薦系統(tǒng)的推薦。二是考慮用戶社交網(wǎng)絡的信息，利用好友的信息給用戶做推薦，并且用好友進行解釋。這是因為用戶對他們的好友計較信任，如果這個物品好友買過，那么他們對推薦結果就會相對比較信任。

8.實時性

在很多網(wǎng)站中，因為物品（新聞、微博等）具有很強的時效性，所以需要在物品還有時效性的時候推薦給用戶。比如，給用戶推薦昨天的新聞顯然不如推薦剛剛發(fā)生的新聞。因此，在這些網(wǎng)站中，推薦系統(tǒng)的時效性就至關重要。

9.健壯性

任何一個能帶來利益算法系統(tǒng)都會被人攻擊。這方面最典型的例子就是搜索引擎。搜索引擎的作弊和反作弊斗爭異常激烈，這是因為如果自己的商品能成為熱門搜索詞語的第一個搜索結果，會帶來極大的商業(yè)利益。推薦系統(tǒng)也面臨這這個問題，而健壯性指標衡量了一個推薦系統(tǒng)的抗擊作弊的能力。

四、無人自助棋排系統(tǒng)排名前幾位都有哪個

2022中國無人機十大品牌排行榜

(1)大疆DJI

DJI大疆創(chuàng)新致力于持續(xù)推動人類進步，自2006年成立以來，在無人機、手持影像、機器人教育及更多前沿創(chuàng)新領域不斷革新技術產(chǎn)品與解決方案，重塑人們的生產(chǎn)和生活方式，DJI大疆創(chuàng)新與全球合作伙伴攜手開拓空間智能時代，讓科技之美超越想象

(2)億航eHANG

億航智能是一家領先的智能自動駕駛飛行器科技企業(yè)，能為多個行業(yè)領域客戶提供各種自動駕駛飛行器產(chǎn)品和解決方案，是較早擁有體感操控功能的企業(yè)

(3)JOUAV

始創(chuàng)于2010年，工業(yè)級垂直起降固定翼無人機系統(tǒng)產(chǎn)品和行業(yè)整體解決方案知名供應商，專注于為客戶提供智能化、標準化、項化的工業(yè)無人機系統(tǒng)的高科技企業(yè)

(4)極KXAG

極飛科技是一家以“提升全球農(nóng)業(yè)生產(chǎn)效率”為使命,構建“無人化”農(nóng)業(yè)生態(tài)系統(tǒng)的智慧農(nóng)業(yè)科技公司，成立十幾以年來，極飛自主研發(fā)并制造了農(nóng)業(yè)無人機、農(nóng)業(yè)無人車、農(nóng)機自駕儀、農(nóng)業(yè)物聯(lián)網(wǎng)、遙感無人機、智慧農(nóng)業(yè)系統(tǒng)等智慧農(nóng)業(yè)產(chǎn)品線。

(5)飛馬機器人FEIMAROBOTICS

成立于2015年，國內知名無人機品牌，立足國內航測遙感無人機領域，集產(chǎn)品研發(fā)、生產(chǎn)和銷售于一體的科技型企業(yè)，致力于提供無人機軟硬件-體化解決方案和一站式空間數(shù)據(jù)系統(tǒng)服務。

(6)傲勢AOSSCI

成立于2015年，吉利科技集團旗下，國內無人系統(tǒng)技術自主創(chuàng)新的引領者，致力于向國內外國土測繪、公共安全、電力巡線、資源勘探及環(huán)境保護等各個行業(yè)提供完整無憂的無人機系統(tǒng)解決方案，包括X系列、H系列無人機系統(tǒng)、地面站、飛控系統(tǒng)等關鍵子系統(tǒng)及無人機協(xié)同設計與仿真工具鏈等。

(7)易瓦特Ewatt

創(chuàng)立于2010年，全球領先的民用無人機系統(tǒng)制造商，打造民用無人機產(chǎn)業(yè)集群生態(tài)鏈，主要從事工業(yè)級無人機的設計、研發(fā)、生產(chǎn)、銷售與服務等。

(8)PowerVision臻迪

成立于2009年，以以工智能技術為核心，跨界空中、水面和水下的機器人公司，主要從事工業(yè)級無人機、消費級無人機、水面及水下機器人的研發(fā)、制造、銷售和售后服務。

(9)道通智能

成立于2014年，2015年推出第一代無人機產(chǎn)品X-STAR，其EVOll系列折疊式無人機在消費級無人機市場具有一定影響力，致力于為全球用戶提供品質卓越、操作簡單、性價比高的創(chuàng)新型無人機產(chǎn)品。

(10)普宙GDU

普宙科技成立于2015年，研發(fā)、生產(chǎn)和銷售智能化重載、長航時無人直升機、工業(yè)級多旋翼無人機，并提供專業(yè)無人機行業(yè)應用系統(tǒng)解決方案的高科技企業(yè)。

公眾號1：southmoney

客服號：southmoneycom

公眾號3：zaiyunli

南方財富網(wǎng)聲明：資訊來源于合作媒體及機構，屬作者個人觀點，僅供投資者參考，并不構成投資建議。投資者據(jù)此操作，風險自擔。投訴