- 博客(7)
- 收藏
- 关注
RSS订阅原创 搜索排序LambdaMART中Lambda的计算过程java版本
LambdaMART是搜索排序中常用的一种排序方案，很多人对LR，GBDT，神经网络都比较熟悉，这个LambdaMART呢？其实就是Lambda+一颗回归树。回归树都很简单，这里不说了，这里重点用java实现如何去计算Lambda。
2022-09-24 16:45:46
200
2
原创 【基于python版本的连续英文分词实现java版本的英文分词器】
在搜索领域，用户的输入是千奇百怪的，有时候会是连续英文进行输入，导致无召回，没有搜索结果，这个java版本的连续英文分词器主要是用户解决这类问题，增加搜索召回效果，提升用户体验。
2022-09-24 16:26:17
440
翻译 Multi-Interest Network with Dynamic Routing for Recommendation at Tmall-MIND多兴趣动态路由推荐
1：主要以前用一个向量来表示用户，但是用户往往兴趣是多样的，所以这里会用多个向量来表示用户的多个兴趣，这个重点是设计了一个提取用户多兴趣向量层，主要是基于胶囊路由机制的方法。2：特点是把用户历史行为聚类与提取用户不同的兴趣点。3：DIN可以识别用户多兴趣，但是不适合做召回，因为计算量太多，适合做排序阶段。整体架构如下：详细解释：1：定义一个元组，其中Iu是用户行为产生的一组商品，比如用...
2020-01-07 16:43:08
2685
3
翻译 解读与增加个人理解Deep Neural Networks for YouTube Recommendations YouTubeDNN推荐召回与排序
1：这个文章是youtube发表的paper，主要是将dnn应用到推荐的召回与排序中。这里主要从几张图说起，不做直接翻译，是带着讲解方式，把重点更清晰的理解出来。首先看下面这个图：这个图展示了，推荐的整体架构，从上百万级别的视频库里，通过召回，到排序，这个像漏斗一样，逐步把视频的数量级进行减少，直到展现在用户面试只有很少的几个。召回---->排序----->展现 对应的数量级 ...
2019-10-24 10:58:36
1658
1
翻译 maxMF-Nonlinear Latent Factorization by Embedding Multiple User Interests
1：经典的推荐会采用矩阵分解方式来学习用户、商品的潜在向量，并用用户与商品向量的相似度来召回商品。2：什么是maxMF？这里的maxMF区别去ALS是，它不像ALS只会有一个向量，他的前提假设是一个用户更加复杂，我们不能靠一个单纯的向量去表示用户，我们需要多个向量去表示用户，然后用一个向量去表示商品。这样我们用户与商品匹配得分就是取用户多个向量里那个最大得分作为匹配得分。而且这个模型是一个非线...
2019-10-12 10:07:22
627
翻译 WSABIE算法
1：简介这个算法是一个通用的打标签算法，无论是图片还是文本，视频，只要能提取特征，然后再提供一个固定的标签集合，就可以使用该算法进行打标签。比如我们有数据（x,y）我们的x的特征向量是Vx 标签（label）的向量是Wi，那么我们计算x与标签的相似度函数如下：其中：函数就是把i标签变成向量Wi。是把x变量向量的函数。这样我们可以根据 fi(x)函数对标签进行排序，相似度越高的就排在前面。...
2019-09-04 19:36:53
876
翻译 推荐冷启动-From Zero-Shot Learning to Cold-Start Recommendation翻译与解析
本文主要是翻译了零样本学习在推荐冷启动中使用，在其中增加了部分个人说明，小编翻译论文仅为学习，如有侵权请联系小编删除博文，谢谢！概要：零样本学习与推荐冷启动在计算机视觉、推荐系统中是两大难题，一般说，这两个问题在不同社区研究中，是各自研究的。在这篇论文中，把零样本学习与冷启动作为同一个问题的两个扩展问题来看待。比如，他们都在试图对未知的分类进行预测，他们涉及两个领域，一个用于特征表示，一个用于...
2019-08-19 17:37:57
2469
空空如也
空空如也
TA创建的收藏夹 TA关注的收藏夹
TA关注的人