lahuoyi-CSDN博客

原创 2021/4/22 推荐系统到底是什么

学管理的推荐系统小白无所为而为本文为个人学习笔记，观点仅供参考推荐系统参考项亮老师的推荐系统一书的定义：推荐系统的基本任务是联系用户和物品，解决用户信息过载问题。对推荐系统进行技术上的断代——特征处理维度(参考董振华老师的讲座)1.第一代技术——CF协同过滤技术——核心思想是关联推荐流行时间从1992年到2010年，2010年后，很少作为单独的一门推荐算法出现，但是其关联推荐的思想已被大家所接受，后续许多模型的改进都是在该思想的基础之上做出来的。其中衍生出的KNN（k近邻）、MF（矩

2021-04-22 09:34:22 213

原创 2021/3/29 Markdown学习笔记

2021/3/29 Markdown学习笔记推荐系统学习小白 --无所为而为MarkdownMarkdown是一种纯文本格式的标记语言。通过简单的标记语法，它可以使普通文本内容具有一定的格式。一、标题一个#是一级标题，两个#是二级标题，以此类推，最多支持六级标题。# 这是一级标题## 这是二级标题### 这是三级标题#### 这是四级标题##### 这是五级标题###### 这是六级标题二、字体加粗：要加粗的文字左右分别用两个* 号包起来斜体：要倾斜的文字左右分别用一个* 号抱

2021-03-29 19:01:09 61

原创 DIN

DIN(Deep Interest Network)推荐系统小白----无所为而为Deep Interest Network模型是2018年由阿里巴巴的阿里妈妈团队提出来的模型。具体的应用场景是阿里巴巴的电商广告推荐业务，广告推荐中会产生大量的用户历史行为信息。DIN的创新点：在保证模型参数以及计算复杂度可控的情况下，引入注意力机制来更精准的捕获用户的兴趣点；提出mini-batch aware正则方法和自适应激活函数来辅助模型进行训练。这个模型的使用场景非常重视用户的历史行为特征（历史购买过的商品

2021-03-23 11:27:34 125

原创 NFM

NFM（Neural Factorization Machines）推荐系统小白–无所为而为将FM模型纵向的融入DNN模型中的策略。其主要的创新点在于引入了一个特征交叉池化层的结构Bi-Interaction Pooling Layer：本模型最重要的一个结构。在Embedding层和神经网络之间加入了特征交叉池化层是本网络的核心创新了，正是因为这个结构，实现了FM与DNN的无缝连接，组成了一个大的网络，且能够正常的反向传播。假设Vx\mathcal{V}_{x}Vx是所有特征embeddin

2021-03-23 08:45:52 153

原创 DeepFM

DeepFM model是由华为和哈工大联合出品。原文是DeepFM: A Factorization-Machine based Neural Network for CTR Prediction

2021-03-19 15:36:06 130

原创 Wide and Deep

在你的应用场景中，哪些特征适合放在Wide侧，哪些特征适合放在Deep侧，为什么呢？为什么Wide部分要用L1 FTRL训练？为什么Deep部分不特别考虑稀疏性的问题？A1. wide是考虑其广度，可以考虑将用户和商品的基本属性导入其中，而Depp侧是可以放入商品和用户的交互特征，让深度神经网络更好的学习其交互特征。A2. FTRL(Follow the Regularized Leader)算法可以提高OGD（online-gradient-descent）的精确度，又能获得更好的稀疏性。因此.

2021-03-19 14:09:50 111

原创 deepcrossing

2.1 Embedding layer将稀疏的类别特征转成稠密的Embedding向量，Embedding的维度会远小于原始的稀疏特征向量Embedding是NLP里面常用的一种技术，这里的Feature #1表示的类别特征(one-hot编码后的稀疏特征向量），Feature #2是数值型特征，不用embedding，直接到了Stacking Layer。关于Embedding Layer的实现，往往一个全连接层即可，Tensorflow中有实现好的层可以直接用。和NLP里面的embedding技术异

2021-03-16 20:50:11 90

lahuoyi的博客