推荐系统
文章平均质量分 85
靖待
算法工程师 | 偏爱计算机的小清新 | https://hubojing.github.io/
展开
-
STAN: Spatio-Temporal Attention Network for Next Location Recommendation
STAN:基于时空注意力网络的下一个兴趣点推荐原创 2022-02-25 22:10:01 · 1466 阅读 · 0 评论 -
Curriculum Meta-Learning for Next POI Recommendation
Curriculum Meta-Learning for Next POI Recommendation基于课程元学习的下一个兴趣点推荐原创 2022-01-24 21:17:39 · 1444 阅读 · 0 评论 -
【推荐算法论文】Wide & Deep模型
论文背景题目:Wide & Deep Learning for Recommender Systems 作者:Heng-Tze Cheng, Levent Koc, Jeremiah Harmsen, Tal Shaked, Tushar Chandra, Hrishi Aradhye, Glen Anderson, Greg Corrado, Wei Chai, Mustafa Ispir, Rohan Anil, Zakaria Haque, Lichan Hong, Vihan Ja原创 2021-10-16 20:24:41 · 360 阅读 · 0 评论 -
【推荐算法论文】AutoRec
论文背景AutoRec - Autoencoders Meet Collaborative FilteringWWW’15作者:Suvash Sedhain, Aditya Krishna Menon, Scott Patrick Sanner, Lexing Xie谷歌学术引用次数580(截至2021年2月4日)关键词:Recommender Systems; Collaborative Filtering; AutoencodersINTRODUCTION 引言本文提出一种新的基于自动编原创 2021-10-16 20:23:39 · 531 阅读 · 0 评论 -
【推荐算法论文】FM算法
论文背景Factorization Machines 2010 IEEE International Conference on Data Mining Steffen Rendle Department of Reasoning for Intelligence The Institute of Scientific and Industrial Research Osaka University, Japan谷歌学术被引用次数1396(截至2020年12月14日) 论文关键词:f原创 2021-10-16 20:22:41 · 331 阅读 · 0 评论 -
【推荐算法论文】YouTube DNN推荐模型
论文背景Deep Neural Networks for YouTube Recommendations RecSys’16 谷歌学术引用次数为1201(截至2020年12月15日)作者:Paul Covington, Jay Adams, Emre Sargin Google Mountain View, CA关键词:recommender system; deep learning; scalability PDFIntroduction 引言YouTube推荐系统的三大挑原创 2021-10-16 20:21:41 · 422 阅读 · 0 评论 -
【推荐算法论文】矩阵分解算法
论文背景2009年发表于IEEE旗下的Computer期刊。 谷歌学术引用数为7954(截至2020年12月7日)。 作者:Yehuda Koren, Yahoo Research Robert Bell and Chris Volinsky, AT&T Labs—Research DOI: 10.1109/MC.2009.263 PDFRecommender System Stratrgies 推荐系统策略两种策略:content filtering approach和c原创 2021-10-16 20:19:47 · 656 阅读 · 0 评论 -
【推荐算法论文】ItemCF原文
论文背景22 January 2003 谷歌学术被引用次数:6769(截至2020年12月2日) 期刊:IEEE Internet Computing DOI: 10.1109/MIC.2003.1167344 作者:Greg Linden,Brent Smith,and Jeremy York • Amazon.com PDF引言电子商务推荐算法面临的挑战:一家大型零售商可能拥有大量数据、数千万客户和数百万不同的物品要求在不超过半秒钟的时间内实时返回结果集,同时能产生高质量原创 2021-10-16 20:18:45 · 555 阅读 · 0 评论 -
【推荐算法论文】协同过滤鼻祖
论文情况COMMUN ACM, 1992. David Goldberg, David Nichols, Brian M.Oki, and Douglas Terry 10页题目直译:使用协同过滤去构造一个信息tapestry截至2020年11月15日,该论文在谷歌学术上被引用次数为5239次。论文内容文章提出了协同过滤(Collaborative filtering)这个词,最早是用于邮件系统Tapestry。 文章对协同过滤的定义是:Collaborative filtering原创 2021-10-16 20:16:22 · 1389 阅读 · 0 评论 -
Hulu AI Class Quiz1
问答从基于用户的协同过滤和基于物品的协同过滤的原理思考,下列场景中使用哪种协同过滤算法更加合适?为什么?(1)新闻资讯推荐(2)电商网站推荐答:(1)基于用户的协同过滤算法更合适。因为新闻推荐的重点在实时和热点,如果使用ItemCF算法就需要维护物品表,新闻(此处的物品)更新速度太快,数量多,增加了维护难度。(2)基于物品的协同过滤算法更合适。因为电商网站用户量数量级很大,如果采用UserCF方法,就需要维护用户表。而且一旦有新用户加入,此表又要更新,不适用于用户量极大且变化的场景。而Item原创 2020-07-23 17:03:12 · 184 阅读 · 0 评论