推荐系统
码上学习笔记
这个作者很懒,什么都没留下…
展开
-
推荐系统系列——Wide&Deep算法和GBDT+LR算法
目录Wide&Deep算法FM它不香吗Wide & Deep模型的“记忆能力”与“泛化能力”操作流程GBDT+LR算法Wide&Deep算法FM它不香吗之前我们已经学了FM模型,不是已经很好了吗,为啥还要整这个Wide&Deep呢?其缺点在于:当query-item矩阵是稀疏并且是high-rank的时候(比如user有特殊的爱好,或item比较小众),很难非常效率的学习出低维度的表示。这种情况下,大部分的query-item都没有什么关系。但原创 2020-10-27 20:34:02 · 997 阅读 · 1 评论 -
推荐系统系列——矩阵分解与FM算法
目录矩阵分解算法隐语义模型矩阵分解算法原理矩阵分解算法的求解矩阵分解算法优缺点逻辑回归算法优缺点FM模型算法FM公式的理解FM模型的应用FM算法的优缺点FFM算法FFM算法的思想矩阵分解算法隐语义模型核心思想:通过隐含特 征(latent factor)联系用户兴趣和物品(item), 基于用户的行为找出潜在的主题和分类, 然后对item进行自动聚类,划分到不同类别/主题(用户的兴趣)。对比:是把协同过滤算法进行了一种延伸, 把用户的相似性和物原创 2020-10-25 21:38:19 · 912 阅读 · 0 评论 -
推荐系统系列—协同过滤算法
目录协同过滤算法相似度度量方法基于用户的协同过滤算法(UserCF)UserCF示例代码UserCF优缺点基于物品的协同过滤ItemCF示例代码协同过滤算法的权重改进协同过滤算法的问题分析什么时候使用UserCF,什么时候使用ItemCF?为什么?协同过滤的缺陷协同过滤算法基本思想:是根据用户之前的喜好以及其他兴趣相近的用户的选择来给用户推荐物品(基于对用户历史行为数据的挖掘发现用户的喜好偏向, 并预测用户可能喜好的产品进行推荐).简单来说,就是物以类聚,原创 2020-10-22 22:28:06 · 2380 阅读 · 0 评论 -
推荐系统系列——推荐系统简介
目录演化关系图推荐系统简介什么是推荐系统为什么需要推荐系统如何构建推荐系统(推荐系统的步骤)常用评测指标召回与排序召回层与排序层的特点多路召回使用Embedding做召回A/B测试为什么需要A/B测试A/B测试的流程演化关系图推荐系统简介什么是推荐系统 用户:帮助用户从海量的信息种快速寻找到自己想要的信息的一种工具 公司:可以提高公司产品与用户直接接触,购买等行为,有助于提高用户粘性的工具。 为什么需要推荐系统 用户原创 2020-10-19 20:43:40 · 8463 阅读 · 0 评论