推荐
推荐
Lei_yiyi
稀里糊涂,误打误撞
展开
-
实例-基于内容推荐
点击查看我的知乎专栏:推荐搜索广告本文以文章推荐为例,编写一个推荐系统,应用基于内容推荐算法解决问题。实现过程基于内容推荐的过程一般包括以下三步:1、给出物品表示:为每个物品抽取出一些特征来表示此物品;2、学习用户偏好:利用一个用户过去喜欢(及不喜欢)的物品的特征数据,来学习出此用户偏好;3、生成推荐列表:根据候选物品表示和用户偏好,为该用户生成其最可能感兴趣的 n 个物品。注:有关基于内容推荐的基本理论框架可参见之前的文章《推荐算法分类:协同过滤推荐、基于内容推荐、基于知识推荐、混合推原创 2021-03-02 09:12:39 · 1403 阅读 · 2 评论 -
推荐算法分类:协同过滤推荐、基于内容推荐、基于知识推荐、混合推荐
点击查看我的知乎文章:https://zhuanlan.zhihu.com/p/351493402原创 2021-02-20 09:29:16 · 1120 阅读 · 1 评论 -
推荐算法三视角:矩阵、图、时间线
点击查看我的知乎文章:https://zhuanlan.zhihu.com/p/349653244原创 2021-02-06 14:52:23 · 130 阅读 · 0 评论 -
深度学习推荐模型进化之路
点击查看我的知乎文章:https://zhuanlan.zhihu.com/p/348769204原创 2021-02-06 14:50:27 · 167 阅读 · 0 评论 -
传统推荐模型进化之路
点击查看我的知乎文章:https://zhuanlan.zhihu.com/p/346152598原创 2021-01-25 14:51:14 · 92 阅读 · 0 评论 -
CTR预估中GBDT与LR融合方案
目录1、背景2、 GBDT与LR融合现状3、GBDT与LR融合方案参考文献1、背景CTR预估(Click-Through Rate Prediction)是互联网计算广告中的关键环节,预估准确性直接影响公司广告收入。CTR预估中用的最多的模型是LR(Logistic Regression),LR是广义线性模型,与传统线性模型相比,LR使用了Logit变换将函数值映射到0~1区间,映射后的函数值就是CTR的预估值。LR这种线性模型很容易并行化,处理上亿条训练样本不是问题,但线性模型学习能力有限,需要大量原创 2020-12-08 10:59:21 · 141 阅读 · 0 评论 -
内容的标记(分类/标签)
目录为什么给内容“做标记”标记方法 —— 分类、标签分类和标签的联系与区别如何运用标记如何标记内容参考链接内容需要“做标记”,如同长江第一大桥在武汉一样。互联网时代,面对充斥满屏幕等待挑选的信息,如果能按属性和内容特征筛选信息,无疑是磨刀不误砍柴工。标记内容目前有两种方式,一个是分类,另外一个是打标签。为什么给内容“做标记”因为我们要找东西,一切我们认为有用的东西。方便识别当一则“内容”出现在我们面前,我们首先需要识别它。不管是否需要深入关注,只要是我们主动或被动地接触到内容后,我们就不得不去原创 2020-12-07 10:41:27 · 2825 阅读 · 0 评论 -
推荐系统的评估方法
目录离线评估的主要方法Holdout检验交叉检验K 折交叉验证留一验证自助法离线评估的主要指标准确率精确率、召回率、F1-score均方根误差、平均绝对百分比误差对数损失函数直接评估推荐序列的离线指标P-R曲线、BEP、F1ROC曲线、AUCA/B测试与线上评估附录一:混淆矩阵附录二:ROC曲线相比P-R曲线有什么特点?如何选择?ROC曲线相比P-R曲线有什么特点?如何选择?离线评估的主要方法Holdout检验Holdout检验是基础的离线评估方法,它将原始的样本集合随机划分为训练集和验证集两部分,比原创 2020-12-01 13:47:36 · 1109 阅读 · 0 评论 -
userCF/itemCF/CB
链接: RecommenderSystem_userCF-itemCF-CB原创 2020-11-26 15:48:22 · 175 阅读 · 0 评论