推荐系统常用线上指标、重要特征

最新推荐文章于 2021-11-18 11:46:23 发布
最新推荐文章于 2021-11-18 11:46:23 发布
阅读量1k 收藏
点赞数
分类专栏： 推荐系统实践
版权声明：本文为博主原创文章，遵循 CC 4.0 BY-SA 版权协议，转载请附上原文出处链接和本声明。
本文链接：https://blog.csdn.net/qq_34806485/article/details/86157827
版权

线上指标

  • 展均播放时长
    视频总播放时长/视频总展示次数
  • 点击人均时长
    视频总播放时长/视频总点击人数
  • VV(Video View，播放数)，
    是指在一个统计周期内，视频被打开的次数之和
  • DAU
    日活跃用户量，一天时间内登录app的用户数

重要特征

  • session特征
    session特征是什么： 用户侧ID特征，比如用户上3次（s3特征）刷新的vid展点，tag展点，uploaderid展点
    session特征要干什么： 实时将用户此次的行为的前几次行为记下来做为特征，每个样本的特征都是前几次行为的特征，模型学习到的就是这一次的行为与前几次行为的关系； 既学习了用户的疲劳度，模型自动进行实时的多样性调整
吃辣椒的猪
关注
  • 0
    点赞
  • 踩
  • 0
    收藏
    觉得还不错? 一键收藏
  • 0
    评论
专栏目录
推荐系统常用评估指标对比
wxc575843
04-24 890
制定评估指标是数据挖掘前期很重要的一步，一个好的评估指标要和关心的业务指标波动一致。这样可以通过对比不同模型的评估指标，来评价模型在实际业务中的效果，加快模型迭代周期，降低线上成本。 在推荐系统中评估指标可以分为三类：分类指标，回归指标，排序指标。 分类问题 分类问题输出是物品的类别，对于二分类问题，输出为0/1单个值；对于多分类问题，输出为一个one-hot向量 y=[0,0,1]T\textb...
推荐系统特征的实时性
给我一点温度
08-04 3398
目录 为什么说推荐系统的实时性是重要的？ 推荐系统“特征”的实时性 客户端实时特征 流处理平台的准实时特征处理 分布式批处理平台的全量特征处理 为什么说推荐系统的实时性是重要的？ 为了证明推荐系统实时性和推荐系统效果的关系，Facebook曾利用GBDT+LR模型和单纯的树模型进行过实时性的实验。 上图中横轴代表的是模型训练结束到模型测试的时间间隔（天数），纵轴是损失函数Nor...
案例|推荐系统的评估指标
bizhi5850的博客
09-04 480
推荐系统能够为用户提供个性化体验，现在基本上各大电商平台、资讯平台都会用推荐系统为自家评价下的用户提供千人千面的服务。平均精度均值（Mean Average Precision，MAP）便是评估推荐系统性能的度量标准之一。 但是，使用其他诊断指标和可视化工具可以让模型评估更加深入，甚至还会带来一些其他启发。本文探讨了召回率、覆盖率、个性化和表内相似性，并使用这些指标来比较三个简单的推荐系统。 Mo...
推荐系统试验方法和指标
slow is fast
04-23 174
在介绍推荐系统指标之前，首先看一下计算和获得这些指标的主要实验方法。在推荐系统中，主要有三种评测推荐效果的实验方法，即离线实验（offline experiment）  用户调查（user study）和在线实验 （online experiment） .  1.  离线实验 （1） 通过日日志收集用户行为数据，并按照一定的格式生成一个标注的数据集。   （2）按照一定的规则将数据集划分为...
推荐系统评价指标
suichen1的专栏
01-07 711
准确率和召回率是广泛用于信息检索和统计学分类领域的两个度量值，用来评价结果的质量。 1.正确率=提取出的正确信息条数/提取出的信息条数 2.召回率=提取出的正确信息条数/样本中的信息条数。 3.F值=正确率*召回率*2/(正确率+召回率) 假设一共有10篇文章，里面4篇是你要找的。根据你某个算法，你认为其中有5篇是你要找的，但是实际上在这5篇里面，只有3篇是真正你要找的。
线上买菜系统代码 java线上买菜系统代码
最新发布
03-29
线上买菜系统代码 java线上买菜系统代码 基于springboot的线上买菜系统代码 1、线上买菜系统的技术栈、环境、工具、软件： ① 系统环境:Windows/Mac ② 开发语言：Java ③ 框架：SpringBoot ④ 架构:B/S、MVC ⑤ ...
线上买菜-线上买菜系统-线上买菜系统源码-线上买菜管理系统-基于Web的线上买菜系统设计与实现-线上买菜系统设计与实现-java
03-06
线上买菜-线上买菜系统-线上买菜系统源码-线上买菜管理系统-线上买菜管理系统java代码-线上买菜系统设计与实现-基于springboot的线上买菜系统-基于Web的线上买菜系统设计与实现-线上买菜网站-线上买菜网站代码-线上...
线上学习资源智能推荐管理系统-基于Web的线上学习资源智能推荐系统设计与实现-线上学习资源智能推荐管理系统java代码-项目代码
01-23
线上学习资源智能推荐-线上学习资源智能推荐系统-线上学习资源智能推荐系统源码-线上学习资源智能推荐管理系统-线上学习资源智能推荐管理系统java代码-线上学习资源智能推荐系统设计与实现-基于springboot的线上学习...
推荐系统中的用户兴趣建模（三）：跨sessions间的用户兴趣建模网络——DSIN
贝壳er的博客
10-05 376
第三篇介绍电商推荐场景下一个非常有意思的做法，跨sessions间的用户兴趣建模网络——DSIN（IJCAI 2019）。 在前面两篇中，无论是DIN还是DIEN还是BST或BERT4REC，建模的主体都是整个用户行为序列，这忽略了序列内在的结构：序列由sessions组成，其中sessions是发生时间内独立的用户行为。paper指出用户行为在每个会话中都是高度同构的，但跨会话是异构的。 如何理解呢？以某用户行为序列为例，如下图所示。用户通常在一个会话中有一个明确的独特意图，而她的兴趣可以急剧变化当她开始
推荐系统中的常用算法——基于Session的推荐
null的专栏
10-16 2235
1. 概述
基于Session会话的网站推荐系统研究
08-12
基于Session会话的网站推荐系统研究.nh 基于Session会话的网站推荐系统研究.nh
推荐系统常用指标
cuixian123456的博客
07-12 3440
推荐系统常用指标 文章目录推荐系统常用指标前言一、常用指标二、什么是点击率 (CTR)？二、什么是uv和pv？三、UV点击率和PV点击率的区别是什么？参考： 前言 本文主要介绍一下推荐系统常用的指标。 一、常用指标 推荐系统常用的指标有两类：场景转化效果指标和内容消费满意度指标。其中，场景转化类指标，包括：pv点击率、uv点击率、曝光点击率、uv转化率、人均点击个数；内容消费满意度指标：留存率，停留时长、播放完成率等。 二、什么是点击率 (CTR)？ 点击率 (CTR) 是指：点击次数 / 展示
推荐系统精排模型中的ID特征
zwwhsxq的博客
11-18 1526
一、ID特征包括什么？ 单ID特征包括：用户ID和物品ID。 ID序列特征主要指的是：用户有过行为的物品ID List。比如：用户最近点击过的物品ID集合。 二、物品ID特征怎么加进推荐系统？ 2.1 StrHash——将物品ID映射到bucket大小的int空间 hash = ((hash << 5) + hash) + c; 其中，hash的初始值为5381，c代表输入值。 djb2：一个产生简单的随机分布的哈希函数 - 范加索尔拉 - 博客园 2.2 通过Hash值查
推荐系统评测指标
checkche的博客
12-01 7641
本文为项亮《推荐系统实践》一书的学习笔记 1. 用户满意度（在线） 用户满意度没有办法离线计算，只能通过用户调查或者在线实验获得。 用户调查获得用户满意度主要是通过调查问卷的形式。   2. 预测准确度（离线） 这个指标是最重要的推荐系统离线评测指标。 2.1 评分预测 评分预测的预测准确度一般通过均方根误差（RMSE）和平均绝对误差（MAE）计算。 对于测试集中的一个用户u...
推荐系统常用评估指标
yichudu
05-05 4953
AUC 同普通二分类问题的评价. Recall 描述 预测的topN, 与 用户实际点击的交集大小, 除以 实际点击的集合大小. 公式 (1)recall@N=∑useri∣{predictTopN}∩{click}∣∑useri∣{click}∣recall@N = \frac {\sum_{user_i} |\{predictTopN\}\cap \{click\} |} {\sum_{us...
推荐算法线上Serving
smartcat2010的博客
10-18 1132
推荐系统的实时性 实验结果显示，模型更新越慢，效果就越差； 一. 推荐系统「 特征」的实时性：推荐系统的更新速度越快，越能够反应用户最近的用户习惯，越能够给用户进行越有时效性的推荐。 系统“实时”地收集推荐系统模型所需的输入特征，使推荐系统能够总是使用最新的特征进行预测和推荐。 1. 客户端实时性(无延迟)：如果客户端能够缓存session内部的行为，作为与上下文特征同样的实时特征传...
推荐算法炼丹笔记：推荐系统采样评估指标及线上线下一致性问题
炼丹笔记
11-08 985
本文对于推荐系统中的采样评估指标进行了讨论，内容略多, 还有一些数学推导, 有兴趣的可以去阅读文末给出的原始论文链接, 此处直接列出核心观点：在评估推荐算法的效果时,能不采样就不采样！除了AUC,Precision@K,Recall@K,Average Precision,NDCG都是不一致的,采样计算得到的结果和真实结果可能差很大!现在随机采样计算得到的评估指标的分数具有高偏差，低方差的问题，很...
评估指标：准确率(Precision)、召回率(Recall)以及F值(F-Measure)
08-25 2968
为了能够更好的评价IR系统的性能，IR有一套完整的评价体系，通过评价体系可以了解不同信息系统的优劣，不同检索模型的特点，不同因素对信息检索的影响，从而对信息检索进一步优化。 由于IR的目标是在较短时间内返回较全面和准确的信息，所以信息检索的评价指标通常从三个方面考虑：效率、效果和其他如数据规模。 下面简单介绍几种常用的信息检索评价指标： 1、准确率与召回率（Precision &
【翻译】Neural Collaborative Filtering--神经协同过滤
weixin_30505225的博客
04-22 1971
【说明】 　　本文翻译自新加坡国立大学何向南博士 et al.发布在《World Wide Web》（2017）上的一篇论文《Neural Collaborative Filtering》。本人英语水平一般+学术知识匮乏+语文水平拙劣，翻译权当进一步理解论文和提高专业英语水平，translate不到key point还请见谅。 何博士的主页：http://www.comp.nus.edu.sg...
线上商城个性化推荐系统
05-23
线上商城个性化推荐系统是一种智能化的推荐系统，它可以根据用户的历史行为和偏好，为用户推荐最符合其需求的商品和服务，提高用户购物体验，同时也可以提高商家的销售额和客户忠诚度。 个性化推荐系统的实现离不开...

“相关推荐”对你有帮助么？

  • 非常没帮助
  • 没帮助
  • 一般
  • 有帮助
  • 非常有帮助
提交
评论
添加红包

请填写红包祝福语或标题

个

红包个数最小为10个

元

红包金额最低5元

当前余额3.43元 前往充值 >
需支付：10.00元
成就一亿技术人!
领取后你会自动成为博主和红包主的粉丝 规则
hope_wisdom
发出的红包
实付元
使用余额支付
点击重新获取
扫码支付
钱包余额 0

抵扣说明：

1.余额是钱包充值的虚拟货币，按照1:1的比例进行支付金额的抵扣。
2.余额无法直接购买下载，可以购买VIP、付费专栏及课程。

余额充值