点击上方,选择星标或置顶,每天给你送干货!
阅读大概需要3分钟
跟随小博主,每天进步一丢丢
作者:潘瑞东
研究方向:机器学习和自然语言处理
Hi,我是瑞东,一名研究方向是机器学习&自然语言处理的算法实习僧。最近由于工作需求去了解了一下推荐系统领域的图向量(Graph Embedding),在某乎发现了王喆大佬的“王喆的机器学习笔记”系列,以及大佬的新书《深度学习推荐系统》。之前买过王喆大佬联合编写的《百面机器学习》,也是非常赞的一本书,索性决定一口气通过《深度学习推荐系统》一书对推荐系统做一个简单的入门。
花了数周时间读完《深度学习推荐系统》一书,觉得写的非常流畅,收获颇多。相比其他推荐领域高知名度经典书籍,《深度学习推荐系统》更详细的介绍了深度学习时代的推荐算法,如注意力机制在推荐领域的应用,阿里的DIN&DIEN模型等。
由于书中涉及模型较多,模型之间存在进化与改进的联系,对于我这样“记性不太好”的非推荐领域的读者容易出现记忆的“断片”。我把在读书时的笔记整理成了思维导图,方便作模型之间的对比与模型细节的回忆,现在把图分享出来,希望对于想要了解、研究推荐领域的同学有所帮助~
导图中介绍了经典的推荐算法,如协同过滤、矩阵分解、逻辑回归:
各深度学习推荐算法的思想、结构与特点以及Embedding技术在推荐系统中的应用:
最后是推荐系统结构、推荐系统的冷启动、推荐系统的评估等知识:
暂时没有整理推荐系统部署等知识,以后会补上。个人水平有限,这个思维导图仅仅旨在帮助从宏观角度理解推荐算法,整理中若有遗漏或错误请及时提出。本图只是抛砖引玉,如果想进一步了解推荐系统的相关知识,欢迎关注王喆大佬的“王喆的机器学习笔记”系列或直接阅读《深度学习推荐系统》。
思维导图较长,且对每个模型都画出了结构图,文件较大,欢迎在公众号回复“推荐系统思维导图”进行下载。
添加个人微信,备注:昵称-学校(公司)-方向,即可获得
1. 快速学习深度学习五件套资料
2. 进入高手如云DL&NLP交流群
记得备注呦