本文介绍了基于Java实现的个性化推荐系统设计，包括样本标注、模型训练和效果评估。采用常规机器学习方案和小样本学习（Few-shot learning）进行对比，结果显示Few-shot learning在召回率和roc-auc上表现更优，适用于冷启动问题。未来改进方向包括使用BERT预训练模型和挖掘更多特征。
1.1 样本标注
用户在聚合搜索demo上不同query下的浏览点击行为；
在每个query返回的新闻中，被点击的新闻标记为1；
未点击且新闻的位置位于任意一条被点击的新闻的上方，则标记为0。
1.2 字段说明
1.3 样本量
9名同事帮忙进行了标注
总样本量：756
1.4 样本划分
array([‘2_健康养生’, ‘2_娱乐’, ‘2_游戏’, ‘2_财经’, ‘2_教育’, ‘2_文化’, ‘2_科技’, ‘2_社会’, ‘2_母婴育儿’, ‘3_娱乐’, ‘3_时事’, ‘3_游戏’, ‘3_财经’, ‘3_科技’, ‘3_社会’, ‘4_健康养生’, ‘4_娱乐’, ‘4_时事’, ‘4_游戏’, ‘4_财经’, ‘4_教育’, ‘4_文化’, ‘4_科技
最低0.47元/天 解锁文章
1268
被折叠的 条评论
为什么被折叠?
到【灌水乐园】发言
