论文
文章平均质量分 95
搜索与推荐Wiki
这个作者很懒,什么都没留下…
展开
-
论文|SDNE的算法原理、代码实现和在阿里凑单场景中的应用说明
1.概述SDNE(Structural Deep Network Embedding)算法是发表在KDD-2016上的一篇文章,论文的下载地址为:https://www.kdd.org/kdd2016/papers/files/rfp0191-wangAemb.pdfSDNE主要也是用来构建node embedding的,和之前介绍的node2vec发表在同年,但不过node2vec可以看作是deepwalk的扩展,而SDNE可以看作是LINE的扩展。2.算法原理SDNE和LINE中相似度的定义是一原创 2021-08-09 22:38:38 · 819 阅读 · 0 评论 -
论文|LINE算法原理、代码实战和应用
1 概述LINE是2015年微软发表的一篇论文,其全称为: Large-scale Information Network Embedding。论文下载地址:https://arxiv.org/pdf/1503.03578.pdfLINE是一种基于graph产生embedding的方法,它可以适用于任何类型的graph,如无向图、有向图、加权图等,同时作者基于边采样进行了目标函数的优化,使算法既能捕获到局部的网络结构,也能捕获到全局的网络结构。2 算法原理2.1 新的相似度定义该算法同时优化了节点原创 2021-05-26 08:17:06 · 2531 阅读 · 0 评论 -
论文|Node2vec算法原理、代码实战和在微信朋友圈的应用
1 概述Node2vec是2016年斯坦福教授 Jure Leskovec、Aditya Grover提出的论文,论文的下载链接为:https://arxiv.org/pdf/1607.00653.pdf。其本质上是对Deepwalk的延伸,也是属于图神经网络种随机游走模型一类。不了解Deepwalk的可以看上一篇文章:论文|DeepWalk的算法原理、代码实现和应用说明。Node2vec在DeepWalk的基础上提出了更加合理的图特征学习方法,提出了用于网络中可伸缩特征学习的半监督算法,使用SGD优原创 2021-05-26 08:14:57 · 1012 阅读 · 0 评论 -
论文|DeepWalk的算法原理、代码实现和应用说明
万物皆可Embedding系列会结合论文和实践经验进行介绍,前期主要集中在论文中,后期会加入实践经验和案例,目前已更新:万物皆可Vector之语言模型:从N-Gram到NNLM、RNNLM万物皆可Vector之Word2vec:2个模型、2个优化及实战使用Item2vec中值得细细品味的8个经典tricks和thinksSentence2Vec & GloVe 算法原理、推导与实现Doc2vec的算法原理、代码实现及应用启发DeepWalk的算法原理、代码实现和应用说明后续会持续更原创 2021-05-09 09:56:47 · 5087 阅读 · 0 评论 -
论文|一种基于Embedding和Mapping的跨域推荐方法
迁移学习(Transfer Learning)作为机器学习的一大分支,已经取得了长足的进步。在人工智能领域,无论是图像识别、NLP、搜索推荐都离不开迁移学习的身影。迁移学习的核心问题是找到源域和目标域的某种相似性,继而将已知的知识应用到目标域中。迁移学习的一个核心要解决的问题是冷启动、数据稀疏性,当然其前提是同一个公司有不同的业务或者APP数据可以供不同部门进行使用和挖掘,比如阿里、腾讯、美团等,业务模型丰富,可以进行相应的迁移学习。当迁移学习应用到推荐系统中时就被称为跨域推荐(Cross-Domain原创 2021-04-20 22:46:27 · 1430 阅读 · 8 评论 -
结合论文看Youtube推荐系统中召回和排序的演进之路(中)篇
上一篇(结合论文看Youtube推荐系统中召回和排序的演进之路(上)篇)主要介绍的是Youtube发表的三篇论文,但主要集中在机器学习方向,接下来会用几篇论文说明一下Youtube在深度学习推荐系统方向做的工作。在介绍Youtube的DNN之前,先介绍一篇Google的非常经典的深度学习推荐算法Wide & Deep,虽然Youtube 也属于Google,这里之所以先介绍Wide & Deep,因为我个人觉得这应该是深度学习应用在推荐系统排序上的「基石」之作,而且其提出的框架也是非常的经原创 2021-01-27 08:50:18 · 11656 阅读 · 9 评论 -
结合论文看Youtube推荐系统中召回和排序的演进之路(上)篇
本文涉及的论文如下:【2008 年】Video Suggestion and Discovery for YouTube: Taking Random Walks Through the View Graph【RecSys 2010】The YouTube Video Recommendation System【ICML 2013】Label Partitioning For Sublinear Ranking内容主要介绍Youtube在机器学习方面的探索和尝试!后续会更新Youtube在深度学原创 2021-01-12 12:32:50 · 2917 阅读 · 4 评论 -
论文|Sentence2Vec & GloVe 算法原理、推导与实现
万物皆可Embedding系列会结合论文和实践经验进行介绍,前期主要集中在论文中,后期会加入实践经验和案例,目前已更新:万物皆可Vector之语言模型:从N-Gram到NNLM、RNNLM万物皆可Vector之Word2vec:2个模型、2个优化及实战使用Item2vec中值得细细品味的8个经典tricks和thinksDoc2vec的算法原理、代码实现及应用启发Sentence2Vec & GloVe 算法原理、推导实与现后续会持续更新Embedding相关的文章,欢迎持续关注「搜原创 2020-12-22 09:15:21 · 10155 阅读 · 5 评论 -
论文|Doc2vec的算法原理、代码实现及应用启发
万物皆可Embedding系列会结合论文和实践经验进行介绍,前期主要集中在论文中,后期会加入实践经验和案例,目前已更新:万物皆可Vector之语言模型:从N-Gram到NNLM、RNNLM万物皆可Vector之Word2vec:2个模型、2个优化及实战使用Item2vec中值得细细品味的8个经典tricks和thinksDoc2vec的算法原理、代码实现及应用启发后续会持续更新Embedding相关的文章,欢迎持续关注「搜索与推荐Wiki」Doc2vec是Mikolov2014年提出的论文原创 2020-12-17 11:31:21 · 1024 阅读 · 2 评论 -
论文|Item2vec论文中值得细细品味的8个经典tricks和thinks
本主题文章将会分为三部分介绍,每部分的主题为:word2vec的前奏-统计语言模型word2vec详解-风华不减其他xxx2vec论文和应用介绍后续会更新Embedding相关的文章,可能会单独成系列,也可能会放到《特征工程-Embedding系列中》,欢迎持续关注「搜索与推荐Wiki」Item2vec:论文《Item2Vec:Neural Item Embedding for Collaborative Filtering》来自于微软2016年发表在RecSys上的,因为word2vec原创 2020-12-09 09:11:24 · 1442 阅读 · 1 评论 -
论文|万物皆可Vector之Word2vec:2个模型、2个优化及实战使用
本主题文章将会分为三部分介绍,每部分的主题为:word2vec的前奏-统计语言模型word2vec详解-风华不减其他xxx2vec论文和应用介绍后续会更新Embedding相关的文章,可能会单独成系列,也可能会放到《特征工程-Embedding系列中》,欢迎持续关注「搜索与推荐Wiki」2.1、背景介绍word2vec 是Google 2013年提出的用于计算词向量的工具,在论文Efficient Estimation of Word Representations in Vector S原创 2020-12-07 12:08:29 · 1086 阅读 · 2 评论 -
论文|万物皆可Vector之语言模型:从N-Gram到NNLM、RNNLM
本主题文章将会分为三部分介绍,每部分的主题为:word2vec的前奏-统计语言模型word2vec详解-风华不减其他xxx2vec论文和应用介绍后续会更新Embedding相关的文章,可能会单独成系列,也可能会放到《特征工程-Embedding系列中》,欢迎持续关注「搜索与推荐Wiki」1.1、基础知识a)定义语言模型(Language model)是自然语言处理的重要技术,自然语言处理中最常见的是文本数据,我们可以把一段自然语言文本看作是一段离散的时间序列,假设一段长度为TTT的文本中原创 2020-12-07 12:05:22 · 929 阅读 · 0 评论 -
论文|Airbnb Embedding的实践和思考
其实在19年初的时候大概看了一下这篇论文,但当时其实理解的并不深,今天再读的时候发现这里边其实包含了很多东西,不仅是学术性的目标函数优化,也包括工程性的取舍和特征的构造。本文分为两部分,第一部分主要介绍论文,第二部分谈从中的收获和启发,如果你对论文比较熟悉的话可以直接阅读第二部分。第一部分引言Airbnb于2018年提出了论文《Real-time Personalization using Embeddings for Search Ranking at Airbnb》,可谓是Embedding技术原创 2020-11-27 07:15:52 · 612 阅读 · 0 评论 -
论文|从DSSM语义匹配到Google的双塔深度模型召回和广告场景中的双塔模型思考
基于深度学习的召回近些年已经得到了长足的发展,其中双塔模型更是作为经典的深度学习召回模型被各大公司应用,回顾双塔模型的发展可以追溯到2003年微软发布的DSSM模型,本篇文章将会从DSSM开始介绍几篇论文,看一下DSSM模型是怎么发展成为双塔模型并应用在推荐系统中做召回的。DSSMDSSM模型是2013年微软发布的,其论文全称为:Learning Deep Structured Semantic Models for Web Search using Clickthrough Dara(https://原创 2020-08-12 12:32:40 · 1514 阅读 · 0 评论 -
论文|AGREE-基于注意力机制的群组推荐,含代码(Attentive Group Recommendation)
这篇文章主要分享的论文是2018年被CCF收录的一篇论文:Attentive Group Recommendation(基于注意力机制的群组推荐),第一作者是湖南大学的曹达老师,二作是论文Neural Collaborative Filtering的作者何老师。当然也会结合小编的工作来进行一些补充说明,写的不好,欢迎拍砖!原创 2020-04-24 11:56:26 · 3547 阅读 · 4 评论 -
论文|组推荐系统及其应用研究
这篇文章主要是普及一下群组推荐系统,众所周知,推荐系统已经应用十分广泛,群组推荐的应用不仅老用户上发挥了极大的作用,在新用户的冷启动上也发挥了很大的作用。由于后续会有一篇文章介绍结合深度学习的群组推荐,所以这里先借用该篇论文,借花献佛,介绍一下群组推荐系统和其应用。本文中所涉及的内容算是比较老了,但在不同公司或者推荐系统的不同阶段仍然有应用,其中群组推荐的思想更是经久不衰,所以本文比较适合以“...原创 2020-04-13 21:50:16 · 1092 阅读 · 0 评论 -
论文|被“玩烂”了的协同过滤加上神经网络怎么搞?
相信熟悉推荐系统的同学对于协同过滤(Collaborative Filtering)已经熟悉的不能再熟悉了,我也相信很多人心里在想“这么简单的协同,都2020年了,谁还用呀”。俗话说得好,人不可貌相,海水不可斗量!CF作为最早的推荐算法,基于CF的改进在学术界和工业界应用的十分广泛,就在之前介绍的一篇论文里,介绍了腾讯实时ItemCF的实现和应用,所以说可千万别小瞧协同过滤了。本篇论文主要介绍...原创 2020-03-23 14:34:58 · 1956 阅读 · 0 评论 -
论文|看腾讯如何玩转实时推荐-TencentRec
今天要分享的一篇论文是有关腾讯如何利用协同过滤(Collaborative Filtering)、基于内容和图进行实时推荐的,我们都知道协同过滤是传统的推荐算法,但在实际应用中取得的效果却很好,因此在各大公司应用的也非常广泛。协同过滤的改进经常出现了各种硕士研究生的毕业论文中,那都属于学术界的研究和实现,且是离线的,在工业界的CF算法实现和如何实时基于CF进行推荐的资料却是少之又少,接下来的内容...原创 2020-03-10 10:29:57 · 1365 阅读 · 3 评论 -
论文|LinUCB论文的思想解读、场景应用与痛点说明
文章目录概述Disjoint LinUCBHybrid LinUCB评估算法实验说明实验位置数据选择特征选择特征降维实验结论注意点LinUCB 的重点场景应用本篇文章主要介绍一下雅虎在2012年发表的论文 【A Contextual-Bandit Approach to Personalized News Article Recommendation】,同时由于最近在做用户留存方面的工作,也涉...原创 2019-12-23 20:48:47 · 13305 阅读 · 3 评论 -
【论文】文本相似度计算方法综述
概述在信息爆炸时代,人们迫切希望从海量信息中获取与自身需要和兴趣吻合度高的内容,为了满足此需求,出现了多种技术,如:搜索引擎、推荐系统、问答系统、文档分类与聚类、文献查重等,而这些应用场景的关键技术之一就是文本相似度计算技术。因此了解文本相似度的计算方法是很有必要的。文本相似度定义文本相似度在不同领域被广泛讨论,由于应用场景不同,其内涵有所差异,故没有统一、公认的定义。Lin从信息论的角度...原创 2019-11-07 15:55:25 · 6983 阅读 · 4 评论 -
论文|RecSys18-序列推荐模型 TransFM(Translation-based Factorization Machines for Sequential Recommendation)
转载请注明出处:https://blog.csdn.net/Gamer_gyt/article/details/95014206博主微博:http://weibo.com/234654758Github:https://github.com/thinkgamer公众号:搜索与推荐Wiki序列推荐模型 Translation-based Recommendation参考:点击阅读概述论...原创 2019-08-31 09:14:39 · 2890 阅读 · 0 评论 -
论文|RecSys17-序列推荐模型 Translation-based Recommendation
论文名字:基于翻译的序列推荐方法下载地址:https://arxiv.org/pdf/1707.02410.pdf背景这篇论文是由 Ruining He,Wang-Cheng Kang和Julian McAuley三位大佬提出的,在2017年的ACM推荐系统会议(RecSys’17)上获得了最佳论文奖(在大佬主页可以下载该论文中涉及的代码和数据集,可惜代码是C++写的,不懂C++的童鞋挑战...原创 2019-08-29 08:19:12 · 3978 阅读 · 0 评论 -
论文|基于三部图网络结构的知识推荐算法
该论文是北京一高校学生的论文,其主要是基于用户-物品-标签这样的三部图网络展开描述的。下面主要介绍一些其中提出的可用的点,其余的详细介绍可参考原文章。背景推荐算法是个性化推荐的核心,现有的推荐算法(除了点击率预估之外的)包括:基于内容的推荐算法基于项目的协同过滤算法基于用户的协同过滤算法基于模型的协同过滤算法基于社会网络分析方法的算法基于网络结构的推荐算法基于网络结构的推...原创 2019-08-05 22:43:48 · 3828 阅读 · 1 评论 -
论文|完整空间多任务模型(Entire Space Multi-Task Model)
转载请注明出处:http://blog.csdn.net/gamer_gyt博主微博:http://weibo.com/234654758Github:https://github.com/thinkgamer公众号:搜索与推荐Wiki个人网站:http://thinkgamer.github.io论文:Entire Space Multi-Task Model: An Effect...原创 2019-07-07 18:38:26 · 2780 阅读 · 2 评论