- 博客(8)
- 收藏
- 关注
RSS订阅转载 【转】旅游推荐系统的演进
背景度假业务在整个在线旅游市场中占据着非常重要的位置，如何做好做大这块蛋糕是行业内的焦点。与美食或酒店的用户兴趣点明确（比如找某个确定的餐厅或者找某个目的地附近的酒店）不同，旅游场景中的用户兴趣点（比如周末去哪儿好玩）很难确定，而且会随着季节、天气、用户属性等变化而变化。这些特点导致传统的信息检索并不能很好的满足用户需求，我们迫切需要建设旅游推荐系统（本文中度假=旅游）。旅游推荐系统主...
2018-11-16 09:35:29
733
转载 从item-base到svd再到rbm，多种Collaborative Filtering(协同过滤算法)从原理到实现
〇.说明 本文的所有代码均可在 DML 找到，欢迎点星星。一.引入 推荐系统（主要是CF）是我在...
2018-08-24 17:14:00
245
转载 Factorization Machines 算法学习笔记
版权声明：本文为博主原创文章，未经博主允许不得转载。 https://blog.csdn.net/peghoty/article/details/40534885 ...
2018-08-23 10:24:32
283
转载 理解Hinge Loss (折页损失函数、铰链损失函数)
Hinge Loss 是机器学习领域中的一种损失函数，可用于“最大间隔(max-margin)”分类，其最著名的应用是作为SVM的目标函数。在二分类情况下，公式如下： L(y) = max(0 , 1 – t⋅y)其中，y是预测值(-1到1之...
2018-08-22 10:49:35
11975
转载 2015年~2017年SIGIR，SIGKDD，ICML三大会议的Recsys论文
2015年~2017年SIGIR，SIGKDD，ICML三大会议的Recsys论文：SIGIR-2015【Title】WEMAREC: Accurate and Scalable Recommendation through Weighted and Ensemble Ma...
2018-08-21 15:36:11
1126
转载 RecSys 2017 Highlights
In this post I will give my personal thoughts on some articles from 2017 ACM Conference on Recommender Systems, that I chose out of my ow...
2018-08-21 15:33:40
366
转载 推荐系统BPR [Bayesian Personalized Ranking] 算法详解及应用实践
在推荐系统的实现中，几乎总会遇到从较多候选集中为用户选取特定的少数几个物品进行推荐，这本质上是一个Ranking问题。 在推荐场景中用户更缺乏耐性，对推荐结果的消费也十分有限。因此，排序的好坏直接决定了用户对一个准确率为90%的推荐候选集的满意度是否真的有90%。&nb...
2018-08-21 15:32:26
2541
转载 详解最大似然估计（MLE）、最大后验概率估计（MAP），以及贝叶斯公式的理解
声明：本文为原创文章，发表于nebulaf91的csdn博客。欢迎转载，但请务必保留本信息，注明文章出处。 本文作者: nebulaf91 本文原始地址：http://blog.csdn.net/u011508640/article/details/72815981最大似然估计（Maximum likeliho...
2018-08-21 15:28:15
332
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