![](https://img-blog.csdnimg.cn/20201014180756926.png?x-oss-process=image/resize,m_fixed,h_64,w_64)
推荐系统实战
码上学习笔记
这个作者很懒,什么都没留下…
展开
-
推荐系统实战-新闻推荐之排序+模型融合
目录排序模型读取排序特征返回排序后的结果LGB排序模型LGB分类模型DIN模型用户的历史点击行为列表DIN模型简介模型融合加权融合Staking排序模型通过召回的操作, 我们已经进行了问题规模的缩减, 对于每个用户, 选择出了N篇文章作为了候选集,并基于召回的候选集构建了与用户历史相关的特征,以及用户本身的属性特征,文章本省的属性特征,以及用户与文章之间的特征,下面就是使用机器学习模型来对构造好的特征进行学习,然后对测试集进行预测,得到测试集中的每个候选集原创 2020-12-06 21:16:46 · 1093 阅读 · 1 评论 -
推荐系统实战——新闻推荐之特征工程
目录特征工程(制作特征和标签, 转成监督学习问题)导包df节省内存函数定义数据路径数据读取训练和验证集的划分获取历史点击和最后一次点击读取训练、验证及测试集读取召回列表读取各种Embedding读取文章信息读取数据对训练数据做负采样将召回数据转换成字典用户历史行为相关特征用户和文章特征用户相关特征用户特征直接读入文章的特征直接读入召回文章的主题是否在用户的爱好里面保存特征特征工程(制作特征和标签, 转成监督学习问题.原创 2020-12-03 22:54:24 · 388 阅读 · 0 评论 -
推荐系统实战——新闻推荐多路召回
目录多路召回导包读取数据工具函数获取用户-文章-时间函数获取文章-用户-时间函数获取历史和最后一次点击获取文章属性特征获取用户历史点击的文章信息获取点击次数最多的Top-k个文章定义多路召回字典召回效果评估计算相似性矩阵itemCF i2i_simuserCF u2u_simitem embedding sim召回YoutubeDNN召回itemCF recalluserCF召回冷启动问题多路召回合并总结多路召回原创 2020-11-30 20:21:35 · 734 阅读 · 2 评论 -
推荐系统实战——新闻推荐数据分析
数据分析数据分析的价值主要在于熟悉了解整个数据集的基本情况包括每个文件里有哪些数据,具体的文件中的每个字段表示什么实际含义,以及数据集中特征之间的相关性,在推荐场景下主要就是分析用户本身的基本属性,文章基本属性,以及用户和文章交互的一些分布,这些都有利于后面的召回策略的选择,以及特征工程。建议:当特征工程和模型调参已经很难继续上分了,可以回来在重新从新的角度去分析这些数据,或许可以找到上分的灵感导包# 导入相关包%matplotlib inlineimport pandas as pd原创 2020-11-27 15:06:40 · 1767 阅读 · 3 评论 -
推荐系统实战——新闻推荐baseline
目录前置部分赛题传送门赛题简介数据概况结果提交评价方式理解赛题理解Baseline(itemcf_base)导包df节省内存函数读取采样或全量数据获取 用户 - 文章 - 点击时间字典获取点击最多的Topk个文章itemCF的物品相似度计算itemCF 的文章推荐给每个用户根据物品的协同过滤推荐文章召回字典转换成df生成提交文件注意前置部分赛题传送门https://tianchi.aliyun.com/compet.原创 2020-11-24 16:21:33 · 561 阅读 · 0 评论