推荐系统
文章平均质量分 63
bitcarmanlee
这个作者很懒,什么都没留下…
展开
-
互联网金融业务中的风控
做了一段时间的金融业务以后,产品经理突然过来问我,风控团队到底做些啥事情,所谓的风控具体包含了哪些方面。结合产品经理的问题,包括自己项目中的一些经验,简单的总结一下互联网金融中的风控具体包含有哪些方面。1.预授信预授信,顾名思义是针对体系内的所有用户,当这些用户还没有来的时候,结合这些用户之前的一些表现,对其进行授信。如果是表现比较好的优质用户,会进入预授信白名单。一般来说,预授信名单都会在准确与召回之间做个折中。如果现阶段需要业务快速发展,那么预授信名单会强调召回,扩大名单的池子。如果某个阶段需要注重原创 2021-10-11 17:27:28 · 933 阅读 · 0 评论 -
推荐算法面经2
项目github地址:bitcarmanlee easy-algorithm-interview-and-practice欢迎大家star,留言,一起学习进步以下为跟着我一块做项目的小朋友面经前言:因本人的个人规划与组内的项目安排与规划产生了不可调和的分歧,本人在七月份与ld沟通,但情况并未好转,本人于本月提出离职申请。求职之路:面的主要是广告/推荐算法工程师岗位面试挂过的公司:百度(两次一面挂)字节data两面挂字节教育一面挂蚂蚁hrbp挂(4面)腾讯pcg一面挂newsbreak一原创 2020-10-22 15:41:47 · 1338 阅读 · 2 评论 -
推荐算法面经1
项目github地址:bitcarmanlee easy-algorithm-interview-and-practice欢迎大家star,留言,一起学习进步TMD某厂面试过程记录如下第一轮1、介绍项目(25min)2、讲下fm3、你是用了哪些方式进行的召回?协同过滤/ucf icf如何构建的训练集?(10min)4、讲下word2vec5、a b两个字符串,对a进行增加、删除、修改操作,最少多少次成为B?第二轮1、项目介绍(20min)2、深挖项目细节3、讲下deepfm与fm的区原创 2020-10-19 22:03:26 · 629 阅读 · 0 评论 -
ALS分解实现
1.ALS简介在前面相关的文章中,已经详细介绍了ALS的原理。用最简单的一句话总结就是:ALS是通过将user与item分别表示为一个低维稠密向量来进行后续的使用。2.基于spark的ALS实现首先看一部分辅助代码import org.slf4j.Logger;import org.slf4j.LoggerFactory;import java.text.ParseException;import java.text.SimpleDateFormat;import java.util.Da原创 2020-09-01 16:30:54 · 579 阅读 · 0 评论 -
Faiss从入门到实战精通
1.Faiss是什么Faiss是Facebook Ai Research开发的一款稠密向量检索工具。引用Faiss Wiki上面的一段简介Faiss is a library for efficient similarity search and clustering of dense vectors.It contains algorithms that search in sets of vectors of any size, up to ones that possibly do not fi原创 2020-05-30 21:54:30 · 23570 阅读 · 4 评论 -
No module named swigfaiss
本地ubuntu系统装了faiss以后,运行相关测试代码还会报如下错误:No module named '_swigfaiss'查阅了一下github上faiss相关文档,还需要安装如下组件sudo apt-get install libopenblas-devsudo apt-get install libomp-devopenblas这种东西,那必然就是与科学计算有关系了…...原创 2020-05-24 16:53:36 · 6947 阅读 · 0 评论 -
推荐系统矩阵分解详解之spark ALS
1.推荐系统与spark做推荐系统的同学,一般都会用到spark。spark的用途相当广泛,可以用来做效果数据分析,更是构建特征与离线训练集的不二人选,同时spark streaming也是做实时数据的常用解决方案,mllib包与ml包里面也实现了很多常用的算法,是针对大数据集分布式算法最常用的算法框架。因此能熟练掌握spark的使用算是做推荐系统的基本功。2.ALS算法spark mllib/ml中,recommendation包里只有一个算法:ALS,估计做过推荐系统相关的同学,都会或多或少用过A原创 2020-05-17 23:40:02 · 3628 阅读 · 0 评论 -
推荐系统中的矩阵分解详解
0.前言推荐系统最常见的两种场景为评分预测与排序。评分预测的典型场景为豆瓣上一个用户对电影的评分,淘宝上对某个商品的评分。排序的场景更为普遍,比如信息流业务中,从海量的内容中挑选出最合适的topN内容给用户展示,就是一个典型的排序问题。推荐系统中非常经典的技术之一就是矩阵分解(Matrix Factorization)。矩阵分解具有优秀的可扩展性,而且实现起来也不困难,因此在实际中使用非常广泛。下面我们针对推荐系统中的矩阵分解相关内容做一个详细梳理。1.特征值分解说到矩阵分解,一般先会提到特征值分解原创 2020-05-13 23:15:46 · 2305 阅读 · 0 评论