推荐系统
文章平均质量分 68
ep_mashiro
日拱一卒,功不唐捐
展开
-
Document Filtering(naive bayes method) used by python
The algorithms we mentioned can solve the more general problem of learning to recognize whether a document belongs in one category or another. Early attempts to filter spam were all rule-based classi原创 2015-11-28 16:45:22 · 403 阅读 · 0 评论 -
LS-PLM学习笔记
论文链接 Learning Piece-wise Linear Models from Large Scale Data for Ad Click Prediction 首先介绍了传统的解决方案和局限性 (1)LR不能捕捉非线性 (2)GBDT+LR虽然能够产生非线性特征组合,但是树模型不适用于超高维稀疏数据 (3)FM利用二阶信息来产生变量之间的相关性,但是无法适应多阶模式 LS-P...原创 2018-04-02 15:44:54 · 3704 阅读 · 0 评论 -
[Paper每周读]KDD2016 GLMix: Generalized Linear Mixed Models For Large-Scale
论文链接:GLMix 文章来自于LinkedIn Job Recommendation的团队。文章想说的事情其实很简单,那就是用了一个Generalized Linear Mixed Model,在Job Recommendation的Task上效果还不错。传统的评分模型,用到Linear Regression Model; 传统的投票模型,用到Logistic Regression Model原创 2016-10-18 14:26:08 · 705 阅读 · 0 评论 -
《The wisdom of the few》读书笔记
论文名称: The wisdom of the few: a collaborative filtering approach based on expert opinions from the webpublished in Proceeding SIGIR ‘09 Proceedings of the 32nd international ACM SIGIR conference on原创 2016-04-24 16:37:31 · 2230 阅读 · 0 评论 -
推荐系统笔记
冷启动问题原创 2016-04-12 10:45:35 · 388 阅读 · 0 评论 -
推荐系统简述(1)基于内容的推荐系统
最近,我喜欢上了东野奎吾的作品,⽐比如《⽩夜行》和《嫌疑人X的献身》,觉得⾮常赞,看完觉得还不过瘾,这时候我有两种继续阅读的路线:一种是根据⾃自⼰己看过的书的性质来寻找与书⻛格相似或者是作者的另外的作品,另外一种是看同样阅读这两本书的⼈人还阅读了哪些书籍。这⾥里的第⼀种方法,就是基于内容的推荐方式——试图推荐给定⽤用户过去喜欢的相似物品,而第二种⽅法,则为协同过滤推荐方式——识别出拥有相同喜好的⽤用原创 2016-02-29 11:42:01 · 1351 阅读 · 0 评论 -
推荐系统简述(2)基于近邻推荐方法
推荐问题可以定义为评估用户对物品的反馈,反馈类型大致分为三种:分级反馈(一星到五星)、二元反馈(喜欢/不喜欢、赞同/反对)和一元反馈(购买、访问等等)。两个最重要的问题:最优项(best item)和最优N项(top-N)。评测推荐系统效果主要方法:准确性。当有可用评分信息时候,用平均绝对误差(MAE)和均方根误差(RMAE)衡量,否则用准确率和召回率进行评估。基于用户评分,预测用户u对新物品i原创 2016-03-08 12:31:17 · 770 阅读 · 0 评论 -
coursera公开课——recommender system作业(第二周)
写这么丑的代码我也是醉了,继续学习。 第二周的assignment: Mean Rating: Calculate the mean rating for each movie, order with the highest rating listed first, and submit the top 5. % of ratings 4+: Calculate the percen原创 2015-12-27 14:56:23 · 600 阅读 · 1 评论 -
n-armed bandit_Gittins index
The complexity of solving MAB (multi-armed bandit) using Markov decision theory increases exponentially with the number of bandit processes. Instead of solving the n-dimensional MDP with the state-sp原创 2015-12-24 13:27:46 · 1886 阅读 · 0 评论 -
n-armed bandit notes_e-greedy
ϵ\epsilon-greedy method原创 2015-12-22 19:25:56 · 664 阅读 · 0 评论 -
coursera公开课——recommender system作业(第三周)
懒虫锅~~~!!!! 原始数据: 以及用户目前对doc的数据 #coding:utf-8import csvimport operatorimport mathcsvfile=file("data1.csv",'rU')reader=csv.reader(csvfile,dialect='excel')doc={}item=[]for line in reader:原创 2016-01-22 17:23:42 · 1064 阅读 · 1 评论 -
python 学习笔记(相似性计算方法)
实在不能理解为啥搜狗输入法每次我打biji的时候总是给我跳出荸荠(qi) (づ ̄ 3 ̄)づ,还有biaoshi,总是出标识(zhi)..╭(╯^╰)╮哼基于距离的相似度计算 prefs[person][item] 数据集格式如下: example: aaaa={‘WANG’:{‘Lady in the Water’:3,’HAHA story’:2},…} from math imp原创 2015-11-30 10:26:10 · 4061 阅读 · 0 评论 -
深度学习CTR模型粗略记录
这里写自定义目录标题FM:Factorization MachinesDNN:Embedding+MLPWND:Wide & Deep Learning for Recommender SystemsNFM:Neural Factorization Machines for Sparse Predictive AnalyticsAFM: Attentional Factorization ...原创 2019-06-14 18:11:58 · 828 阅读 · 1 评论