机器学习笔记（十五）：推荐系统

最新推荐文章于 2024-01-08 10:19:53 发布
最新推荐文章于 2024-01-08 10:19:53 发布
阅读量274 收藏
点赞数
分类专栏： 机器学习
版权声明：本文为博主原创文章，遵循 CC 4.0 BY-SA 版权协议，转载请附上原文出处链接和本声明。
本文链接：https://blog.csdn.net/cg129054036/article/details/84946727
版权

目录

1）Problem formulation

2）Content-based recommendations

3）Collaborative filtering

4）Collaborative filtering algorithm

5）Vectorization: Low rank matrix factorization

6）Implementational detail:  Mean normalization

1）Problem formulation

推荐电影评分：

2）Content-based recommendations

对于每部电影构造特征向量，使用线性回归算法进行预测评分：

特征化：

3）Collaborative filtering

4）Collaborative filtering algorithm

5）Vectorization: Low rank matrix factorization

6）Implementational detail:  Mean normalization

 

自动驾驶小学生
关注
  • 0
    点赞
  • 踩
  • 0
    收藏
    觉得还不错? 一键收藏
  • 0
    评论
专栏目录
SIGIR2020|LightGCN图卷积网络在推荐系统中的应用(已开源)
hestendelin的专栏
07-20 2166
LightGCN: Simplifying and Powering Graph Convolution Network for RecommendationXiangnan He,K...
使用LightGCN实现推荐系统（手撕代码+分析）
weixin_44905312的博客
08-03 9872
LightGCN代码分析
轻量级图卷积网络LightGCN介绍和构建推荐系统示例
datayx的文章
04-25 949
向AI转型的程序员都关注了这个号????????????推荐系统是当今业界最具影响力的 ML 任务。从淘宝到抖音，科技公司都在不断尝试为他们的特定应用程序构建更好的推荐系统。而这项任务并没有变得更容易，因为我们每天都希望看到更多可供选择的项目。所以我们的模型不仅必须做出最优推荐，而且还必须高效地做出推荐。今天介绍的这个模型被称作：Light Graph Convolution Network 或 LightGCN¹...
论文浅尝 | KR-GCN: 知识感知推理的可解释推荐系统
开放知识图谱
06-29 1394
论文作者：马婷，中国科学院信息工程研究所直博生动机抽取并利用知识图谱(KG)中的多跳关系路径可以提高推荐系统的性能，并提供可解释性。然而，现有的工作仍面临着两个主要的挑战：用户偏好的错误传播和模型的弱解释性。提取并利用用户物品对之间的所有路径会引入不相关的路径，从而导致用户偏好的错误传播。尽管定义元路径在一定程度上可以缓解错误传播问题并提供一定的解释性，但模型的性能将严重...
推荐系统第9课：bert，gcn等最新算法在推荐系统中的应用
ibelieve8013的博客
04-18 4343
RecoSys:推荐系统学习资源和学习笔记
03-11
推荐系统学习资源和学习笔记 目录 RecoSys_Paper 经典推荐系统 深度学习推荐系统 嵌入 - RecoSys_note RecoSys_resource 机器学习与推荐系统 推荐系统＆深度学习 嵌入 RecoSys_Algorithm_PyTorch
斯坦福大学机器学习课程个人笔记完整版
10-21
这篇笔记涵盖了斯坦福大学机器学习课程的精华内容，旨在帮助读者深入理解这一领域的核心概念和技术。作为一门高级的计算机科学课程，机器学习是人工智能的重要分支，它涉及到如何让计算机通过经验自我改进，以提高...
学习机器学习笔记.zip
最新发布
04-03
机器学习（ML)是计算机系统为了有效地执行特定任务，不使用明确的指令，而依赖模式和推理使用的算法和统计模型的科学研究。它被视为人工智能的一个子集。机器学习算法构建一个基于样本数据的数学模型，称为“训练...
吴恩达机器学习笔记-人工智能机器学习算法入门笔记
01-26
机器学习是人工智能的一个分支，它的核心目标是使计算机系统通过学习数据，而不是被显式地编程，来改善其执行任务的能力。机器学习可以分为监督学习、无监督学习和强化学习等主要类型。 【监督学习】 监督学习是...
对于吴恩达机器学习的学习笔记
04-13
本课程提供了一个广泛的...（二）无监督学习（聚类，降维，推荐系统，深入学习推荐）。 （三）在机器学习的最佳实践（偏差/方差理论；在机器学习和人工智能创新过程）。 里面包含了自己的学习笔记，希望对你们有帮助
【推荐系统】概述
littlemichelle
06-05 670
https://github.com/kuandeng/LightGCN
用户行为和属性用于推荐系统问题（MBGCN，AGCN，CML）
nakaizura
12-26 4652
传统结合行为，基础属性，高级属性等等的side Information的方法会分连续型或离散型嵌入，然后当作一个分factor输入到推荐系统其他的部分中用于加强推荐的效果，最近看到SIGIR20’有两篇针对行为和属性的方法，且都用了Graph来做为解决方案，效果不错。主要是Graph的方法，涉及到图的更新和嵌入知识博主以往的文章已经更新过了，不做赘述。 Multi-behavior Recommendation with Graph Convolutional Networks 这篇文章主要是针对多行为对
CLSR：Contrastive Learning Based Graph Convolution Network forSocial Recommendation
m0_56321960的博客
01-08 743
当前的社交推荐模型通常关注建模多图结构，并从这些多图中汇集信息以学习用户的偏好。然而，这些方法往往使用复杂的模型和冗余的参数来获得轻微的性能改进。因此，本文提出了一种集成社交图和交互图信息的对比学习方法，通过对用户嵌入进行融合来获取更精细的用户表示。同时，引入了对比学习框架，通过数据增强构建对比学习的正负样本。总体而言，这篇论文介绍了一种基于对比学习的图卷积网络方法，用于改进社交推荐系统的性能。通过融合社交图和交互图信息，并利用对比学习框架进行数据增强，该方法能够更好地学习用户的偏好。
经典图推荐系统论文LightGCN算法及代码简介
Blueghost19的博客
03-20 7010
图卷积网络（Graph Convolution Network，GCN）已经被广泛地应用于推荐系统。然而先前基于GCN进行协同过滤的工作（例如NGCF）缺少对GCN的消融研究。作者指出GCN最初被设计用于图上的节点分类任务，并且GCN的特征转换与非线性激活过程并不适用于协同过滤。基于此，作者在标准的GCN的基础上针对推荐任务进行了简化，提出了轻量级图卷积网络（LightGCN）。本文对LightGCN的算法与代码细节进行了简要介绍。
PyTorch搭建基于图神经网络（GCN）的天气推荐系统（附源码和数据集）
showswoller的博客
11-18 4402
PyTorch搭建基于图神经网络（GCN）的天气推荐系统（附源码和数据集）
实战三十一：基于LightGCN推荐算法的推荐系统详细教程（代码+数据）
机器学习深度学习业余选手
12-06 2617
实战三十一：基于LightGCN推荐算法的推荐系统详细教程（代码+数据）
GNN在推荐系统的应用——＞GC-MC与STAR-GCN
weixin_43845522的博客
04-13 2576
GNN ——> 推荐系统（两个算法） 文章目录GNN ——> 推荐系统（两个算法）前言一、GC-MC1、总体结构2、Graph Encoder部分3、Graph Decoder部分4、损失函数5、实验结果6、不足二、STAR-GCN1、总体架构（比较）2、Transductive 和 Inductive（归纳和直推）如何实现直推？——mask3、LOSS部分4、leakage Issue的避免5、实验结果 前言 部分资源来自于Youtube 一、GC-MC 1、总体结构 首先进行one-ho
基于baseline和stochastic gradient descent的个性化推荐系统
做个假设——坚持两年，我会怎么样
11-10 1889
文章主要介绍的是koren 08年发的论文[1],  2.1 部分内容（其余部分会陆续补充上来）。  koren论文中用到netflix 数据集， 过于大， 在普通的pc机上运行时间很长很长。考虑到写文章目地主要是已介绍总结方法为主，所以采用Movielens 数据集。 要用到的变量介绍： Baseline estimates       object f
LightGCN：用于推荐任务的简化并增强的图卷积网络 SIGIR 2020
热门推荐
u013602059的专栏
08-04 2万+
论文链接：https://arxiv.org/abs/2002.02126 代码链接：https://github.com/gusye1234/LightGCN-PyTorch 论文来源：SIGIR 2020 摘要 图卷积网络(GCN)已经成为协同过滤的最新技术。然而，对于推荐的有效性的原因却没有很好地解释。现有的将GCN用于推荐的工作缺乏对GCN的深入消融分析，GCN最初是为图分类任务而设计的，并配备了许多神经网络操作。然而，我们实证发现，两种最常见的设计-特征转换和非线性激活-对协同过滤的性能贡献很小.
吴恩达机器学习笔记V5.5：免费下载与课程精华概要
本资源是关于吴恩达教授的机器学习课程笔记PDF版v5.5，该笔记针对斯坦福大学2014年的机器学习课程进行整理。这门课程由吴恩达主讲，是Coursera平台上的热门课程，旨在教授机器学习的基本原理和技术。课程内容涵盖了...

“相关推荐”对你有帮助么？

  • 非常没帮助
  • 没帮助
  • 一般
  • 有帮助
  • 非常有帮助
提交
评论
添加红包

请填写红包祝福语或标题

个

红包个数最小为10个

元

红包金额最低5元

当前余额3.43元 前往充值 >
需支付：10.00元
成就一亿技术人!
领取后你会自动成为博主和红包主的粉丝 规则
hope_wisdom
发出的红包
实付元
使用余额支付
点击重新获取
扫码支付
钱包余额 0

抵扣说明：

1.余额是钱包充值的虚拟货币，按照1:1的比例进行支付金额的抵扣。
2.余额无法直接购买下载，可以购买VIP、付费专栏及课程。

余额充值