![](https://img-blog.csdnimg.cn/20201014180756927.png?x-oss-process=image/resize,m_fixed,h_64,w_64)
推荐系统
文章平均质量分 74
phyllisyuell
学习交流,做一枚认真的程序媛!
展开
-
推荐系统二 之图算法:DeepWalk&Node2vec
写在前面1、Deepwalk 和 Node2vec 这些图算法的本质就是特征提取器,对graph进行采样(Sampling),对采样出来的序列构造模型(embedding),最终把节点转化为特征向量,即为embedding。2、图算法的优势graph是对复杂的连接关系建模,通过用户行为序列,能够更好地学的items的高阶相似关系。同时,在构建数据集的过程中,能够让长尾商品获得更多的训练,弥补数据稀疏的问题,有效提升覆盖率。一、Deepwalk1、来源:出自14年KDD:《DeepWa原创 2021-02-23 22:41:18 · 2128 阅读 · 0 评论 -
推荐系统一:召回和排序
一、概述1、粗略推荐系统的两个阶段实际的工业推荐系统,如果粗分的化,经常讲的有两个阶段。首先是召回,主要根据用户部分特征,从海量的物品库里,快速找回一小部分用户潜在感兴趣的物品,然后交给排序环节,排序环节可以融入较多特征,使用复杂模型,来精准地做个性化推荐。召回强调快,排序强调准。当然,这是传统角度看推荐这个事情。2、细致推荐系统的四个阶段四个环节分别是:召回、粗排、精排和重排。召回目的如上所述;有时候因为每个用户召回环节返回的物品数量还是太多,怕排序环节速度跟不上,所以可以在召回和原创 2021-02-23 22:39:09 · 2336 阅读 · 1 评论 -
推荐系统概述
推荐系统概述一、概述1、推荐系统从搜索引擎借鉴了不少技术和思想,比如内容推荐有不少技术就来自搜索引擎, 由 Amazon 发扬光大的,基于用户( User-based )和基于物品( Item-based )的协同过滤将推荐系统技术从内容延伸到协同关系,超越了内容本身。2、世界在向网状发展,万事万物倾向于相互连接构成复杂网络。复杂网络具有无尺度特点,表现是:少数节点集聚了大量连接。这个现象不陌生,叫做马太效应,社交网络粉丝数、网页链接引用量、电商网站商品销量等等,无不如此。推荐系统的使命,就是要原创 2021-02-23 22:36:52 · 395 阅读 · 0 评论