![](https://img-blog.csdnimg.cn/20201014180756928.png?x-oss-process=image/resize,m_fixed,h_64,w_64)
推荐搜索
文章平均质量分 91
星如雨グッ!(๑•̀ㅂ•́)و✧
这个作者很懒,什么都没留下…
展开
-
美团外卖推荐关于用户新颖体验优化的技术探索
美团外卖推荐系统评估指标,长期以来主要包含效率指标(UV_CTR、UV_CXR、UV_RPM等)、生态指标(主题曝光占比、商品曝光占比、闪购曝光占比等)、用户体验指标(多样性)等多个方面。但是要优化新颖体验,必须要有科学合理、策略可干预的新颖性指标,而这又依赖于“新颖”的定义。首先,我们要回答“对用户来说,什么是新颖的”。外卖首页Feed,承载了商家、商品、主题卡片等多种异构流量的分发,其中用户看到的卡片90%左右都是商家卡片,为此,我们认为用户新颖性意味着其看到的商家是否新颖。如何判断一个商家是否新颖。原创 2023-08-25 20:22:41 · 110 阅读 · 0 评论 -
数据挖掘顶会顶刊
一、顶会1、与推荐系统直接相关的会议RecSys -The ACM Conference Series on Recommender Systems.2、数据挖掘相关的会议SIGKDD - The ACM SIGKDD Conference on Knowledge Discovery and Data Mining.WSDM - The International Conference on Web Search and Data Mining....原创 2020-11-27 20:30:50 · 726 阅读 · 0 评论 -
推荐系统二——深入理解推荐系统召回算法(2)
紧接上文:推荐系统一——深入理解推荐系统召回算法(1)四、基于FM模型召回FM是Steffen Rendle在2010年提出的,FM算法的核心在于特征组合,以此来减少人工参与特征组合工作。对于FM,其优势可分以下三点:FM能处理数据高度稀疏场景,SVM则不能;FM具有线性的计算复杂度,而SVM依赖于support vector。FM能够在任意的实数特征向量中生效。FM的数据结构如下:FM特征数据结构:User相关、Item相关、类别相关的特征、历史行为数据特征等等,最后一列可看作是U原创 2020-10-16 20:45:55 · 789 阅读 · 0 评论 -
推荐系统二——深入理解推荐系统召回算法(1)
作为【推荐系统】系列文章的第二篇,将以“召回”作为今天的主角,会从四个方面来介绍召回的不同算法方式,即基于内容的召回、协同过滤、基于FM模型召回和基于深度学习的方法。一、背景介绍召回是推荐系统的第一阶段,主要根据用户和商品部分特征,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。这部分需要处理的数据量非常大,速度要求快,所有使用的策略、模型和特征都不能太复杂。下面主要介绍四种常见的召回方法:基于内容的召回:使用item之间的相似性来推荐与用户喜欢的item相似的item原创 2020-10-16 20:38:56 · 2275 阅读 · 0 评论 -
推荐系统一——深入理解YouTube推荐系统算法
写在前面鱼遇雨欲语与余:天池-安泰杯跨境电商智能算法大赛分享(冠军)去年天池-安泰杯跨境电商智能算法大赛是我初次接触推荐相关的比赛,通过比赛让我对推荐系统有了较为浅显的认识,赛后也是打算系统的学习这方面的内容,此后我也会将【推荐系统】作为一个系列板块进行更新,主打经典推荐算法的原理,相信每一篇都值得反复研究。一、背景介绍作为【推荐系统系列文章】的第一讲,我们将以YouTube在2016年发表的论文《Deep Neural Networks for YouTube Recommendations原创 2020-10-11 21:31:25 · 1789 阅读 · 1 评论