推荐算法
文章平均质量分 91
人鱼线
1、越努力,越幸运! 2、机会总是留给有准备的人! 3、承受别人不能承受的,才能得到别人不能得到的!
展开
-
推荐系统算法框架
在介绍矩阵分解之前,先让我们明确下推荐系统的场景以及矩阵分解的原理。对于推荐系统来说存在两大场景即评分预测(rating prediction)与Top-N推荐(item recommendation,item ranking)。评分预测场景主要用于评价网站,比如用户给自己看过的电影评多少分(MovieLens),或者用户给自己看过的书籍评价多少分。其中矩阵分解技术主要应用于该场景。 Top...原创 2020-03-05 09:24:15 · 1570 阅读 · 0 评论 -
DeepFM模型理论和实践
1、背景特征组合的挑战对于一个基于CTR预估的推荐系统,最重要的是学习到用户点击行为背后隐含的特征组合。在不同的推荐场景中,低阶组合特征或者高阶组合特征可能都会对最终的CTR产生影响。之前介绍的因子分解机(Factorization Machines, FM)通过对于每一维特征的隐变量内积来提取特征组合。最终的结果也非常好。但是,虽然理论上来讲FM可以对高阶特征组合进行建模,但实际...转载 2020-01-19 10:53:18 · 1712 阅读 · 0 评论 -
DeepFM升级版XDeepFM模型
本文参考自 推荐系统遇上深度学习(二十二)--DeepFM升级版XDeepFM模型强势来袭!,在学习原文的基础上加入一些个人的理解和整理。1、引言对于预测性的系统来说,特征工程起到了至关重要的作用。特征工程中,挖掘交叉特征是至关重要的。交叉特征指的是两个或多个原始特征之间的交叉组合。例如,在新闻推荐场景中,一个三阶交叉特征为AND(user_organization=msra,item_c...转载 2020-01-15 09:39:56 · 902 阅读 · 1 评论 -
推荐系统CTR实战——Wide & Deep
Ref:https://fuhailin.github.io/Wide-Deep/Wide and deep 模型是 TensorFlow 在 2016 年 6 月左右发布的一类用于分类和回归的模型,并应用到了 Google Play 的应用推荐中。wide and deep 模型的核心思想是结合线性模型的记忆能力(memorization)和 DNN 模型的泛化能力(generalizati...转载 2020-01-13 14:54:08 · 1105 阅读 · 0 评论 -
FM模型理论和实践
1、FM背景在计算广告和推荐系统中,CTR预估(click-through rate)是非常重要的一个环节,判断一个商品的是否进行推荐需要根据CTR预估的点击率来进行。在进行CTR预估时,除了单特征外,往往要对特征进行组合。对于特征组合来说,业界现在通用的做法主要有两大类:FM系列(FM,FFM,DeepFM,DeepFFM,wide&deep,xDeepFM)与Tree系列(如GBD...原创 2019-08-06 14:50:31 · 1767 阅读 · 0 评论 -
《推荐系统实战》| 七. 推荐系统实例
本章将首先介绍推荐系统的外围架构,然后介绍推荐系统的架构,并对架构中的每个模块的设计进行深入讨论。7.1 外围架构 推荐系统依赖的两个外围系统: UI系统(记录用户各种各样的行为)和用户行为日志存储系统. 一般来说,需要实时存取的数据存储在数据库和缓存中,而大规模的非实时的数据存储在分布式文件系统(HDFS)上.7.2 推荐系统架构1. 推荐系统联...原创 2019-08-18 22:22:39 · 2510 阅读 · 0 评论